Chi-Quadrat-Test in SPSS

Im Falle von kategorialen Merkmalen und Zusammenhangsanalysen kommt bei einer SPSS-Auswertung häufig der Chi-Quadrat-Test zur Verwendung. Er findet bei kategorialen Merkmalen verwenden. Hierbei zeigen wir im heutigen Beitrag auf, wie der Test in SPSS umzusetzen ist. Die Umsetzung einer Zusammenhangsanalyse metrischer Daten erfolgt in SPSS mit der Pearson-Korrelation.

Die Daten

Wir nutzen zu Vorführung den Datensatz cereal.sav der in SPSS 26 als Beispieldatensatz vorliegt. Dabei enthält dieser Datensatz informationen zu dem Alter (in Klassen), Geschlecht, Familienstand, Art des Lifestyles und das präferierte Frühstück von N = 880 Personen.

Die Analyse

Wir wollen den Zusammenhang zwischen Alter und präferiertem Frühstück untersuchen.

Erstellung der Kreuztabelle

Hierzu gehen Sie auf Analysieren > Deskriptive Statistik > Kreuztabellen.

Es öffnet sich das folgende Menu. Hierbei fügen wir die Variablen agecat in das Feld Zeilen und bfast in das Feld Spalten ein.

Anwahl des Chi-Quadrat-Tests und Assoziationsmaßes

Das Fenster sieht nun wie in kommenden Bild aus. Wir klicken nun auf den Button Statistik.

Es öffnet sich das kommende Fenster. Da wir den Chi-Quadrat-Test berechnen möchten, machen wir einen Haken an Chi-Quadrat. Weiterhin möchten wir uns ein Zusammenhangsmaß ausgeben lassen, dass für nominale Skalen geeignet ist. Hierbei stehen uns mehre in SPSS zur verfügung. Wir wählen Cramer's V. Somit machen wir einen Haken an Phi und Cramer-V.

Das Fenster sieht nun wie in dem nächsten Bild aus. Nun klicken wir auf Weiter.

Weitere Kennzahlen bzw. Statistiken für die Kreuztabelle

Wir befinden uns wieder im Hauptmenu für Kreuztabellen. Wir wollen weitere Anpassungen an unsere Berechnungen vornehmen , sodass wir auf Zeilen klicken.

Folgendes Fenster öffnet sich jetzt. Hier können diverse Statistiken bezüglich der Kreuztabelle angewählt werden. So ist es möglich sich die erwarteten Häufigkeiten mit in der Kreuztabelle angeben zu lassen. Nichtsdestotrotz ist das nicht zwingend notwendig, da ohnehin eine Fußnote unter der Kreuztabelle in jedem Falle mit angibt, ob die Annahme der erwarteten Häufigkeiten erfüllt ist beziehungsweise wieviele Zellen der Kreuztabelle den Richtwert von größer 5 nicht erreichen.

Wesentlicher sind im Kontext von Gruppenvergleichen die Zeilen- beziehungsweise Spaltenprozente. Mit Ihnen kann der Zusammenhang schon einemal an Und der Kreuztabelle beurteilt werden, ohne eine Kennzahl für die Stärke, wie Cramer's V, zu bestimmen.

Weitere Einstellungen sind hier noch möglich. Wir klicken Zeilenweise an, sodass dort ein Haken angezeigt wird.

Nun sieht das Fenster wie in kommenden Bild aus. Wir drücken auf Weiter, da wir alle wesentlichen Einstellungen hier vorgenommen haben.

Wir befinden uns nun wieder im Hauptmenu zur Kreuztabelle. Da alle Einstellungen erfolgt sind, drücken wir nun auf OK. Die Berechnungen werden nun ausgeführt.

Die Ergebnisse

In der SPSS-Ausgabe erscheinen nun diverse Tabellen. Zunächst können wir die Ergebnisse des Chi-Qudrat-Test der kommende Tabelle entnehmen. Es zeigt sich ein signifikanter Zusammenhang zwischen Alter und dem präferiertem Frühstück, \chi^2(6)=309,34, p = 0,000. Die Annahme das alle erwarteten Häufigkeiten größer 5 sind ist erfüllt. Dies ist der Fussnote unter der Tabelle zu entnehmen. Hier steht 0 Zellen haben erwartete Häufigkeit kleiner 5.

Kommende Tabelle zeigt die Kontigenztafel beziehungsweise Kreuztabelle zwischen Alter und präferiertem Frühstück. Es zeigen sich zwischen den Altersgruppen Unterschiede in dem bevorzugten Frühstück. So bevorzugen die unter 31 Jährigen einen Frühstücksriegel oder Frühstücksflocken. Dies ist ähnlich in der Gruppe der 31 - 45 Jährigen, wobei hier der Anteil an Personen die Haferbrei bevorzugen schon größer ist als bei den unter 31 Jährigen. In der Klasse der 46 - 60 Jährigen werden Haferbrei oder Frühstücksflocken am häufigsten konsumiert. Bei den über 60 Jährigen hingegen bevorzugt der Großteil Haferbrei.

Als Zusammenhangsmaß zur Beurteilung der Stärke wird Cramer's V bestimmt. Dies ist der kommende Tabelle zu entnehmen. Cramer's V betrug dabei V = 0,42. Dies entspricht einen bedeutsamen Zusammenhang. Werte über 0,3 gelten als starke Assoziationen zwischen zwei nominalen Merkmalen.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.