Welche Daten für Chi-Quadrat-Tests geeignet sind
Eine Kreuztabelle mit zwei Variablen wirkt auf den ersten Blick unkompliziert: Geschlecht und Therapieerfolg, Studienfach und Prüfungsstatus oder Impfstatus und Nebenwirkung. Doch genau hier entstehen in Abschlussarbeiten und Publikationen viele methodische Fehler. Die Frage „Welche Daten für Chi-Quadrat“ geeignet sind, entscheidet darüber, ob Ihr Testergebnis wissenschaftlich belastbar ist - oder ob der Test zwar eine p-Zahl ausgibt, diese aber nicht sinnvoll interpretierbar ist.
Der Chi-Quadrat-Test prüft nicht einfach, ob sich zwei Gruppen „irgendwie unterscheiden“. Er ist für konkrete Datenstrukturen gedacht: kategoriale Merkmale, unabhängige Beobachtungen und ausreichend große erwartete Häufigkeiten. Wer diese Voraussetzungen früh prüft, spart sich spätere Korrekturen im Methodenteil, bei der Ergebnisinterpretation oder im Feedback durch Betreuende und Reviewer.
Welche Daten für Chi-Quadrat-Tests passen
Ein Chi-Quadrat-Test arbeitet mit Häufigkeiten, also mit gezählten Fällen in Kategorien. Er beantwortet beispielsweise die Frage, ob der Anteil erfolgreicher Behandlungen zwischen zwei Therapiegruppen unterschiedlich ist. Die Daten liegen dazu in einer Kreuztabelle vor.
Ein typisches Beispiel aus der Medizin könnte so aussehen: 120 Patientinnen und Patienten erhalten Therapie A oder Therapie B. Nach acht Wochen wird erhoben, ob eine klinische Besserung eingetreten ist: ja oder nein. Beide Variablen sind kategorial. In jeder Zelle der Tabelle steht die Anzahl der Personen, etwa „Therapie A und Besserung: ja“. Genau diese beobachteten Häufigkeiten verarbeitet der Test.
Geeignet sind insbesondere nominal skalierte Variablen wie Geschlecht, Fachrichtung, Raucherstatus, Diagnosegruppe, Therapieform oder Zustimmung in den Kategorien „ja“ und „nein“. Auch ordinal skalierte Variablen können verwendet werden, wenn sie als Kategorien analysiert werden, etwa Schmerzstärke von „leicht“ bis „stark“ oder Bildungsabschluss in mehreren Stufen.
Entscheidend ist jedoch: Der klassische Chi-Quadrat-Test berücksichtigt die Reihenfolge ordinaler Kategorien nicht. Ob „gering“, „mittel“ und „hoch“ tatsächlich eine geordnete Skala bilden, bleibt für ihn unbeachtet. Wenn gerade ein gerichteter Trend Ihre Forschungsfrage prägt, kann ein Trendtest oder ein ordinales Regressionsmodell fachlich besser passen.
Rohwerte statt Prozentwerte verwenden
In den Test gehören absolute Häufigkeiten, nicht ausschließlich Prozentangaben. Prozentwerte helfen bei der Darstellung, reichen aber für die Berechnung nicht aus. Ein Anteil von 50 Prozent kann bei 4 oder bei 400 Personen entstehen - statistisch sind das völlig unterschiedliche Informationsgrundlagen.
Liegt Ihnen nur eine veröffentlichte Prozentverteilung ohne zugrunde liegende Fallzahlen vor, ist ein regulärer Chi-Quadrat-Test in der Regel nicht sauber durchführbar. Benötigt werden die Zellbesetzungen oder zumindest eindeutige Gesamtfallzahlen, aus denen diese rekonstruiert werden können.
Die zwei häufigsten Varianten des Chi-Quadrat-Tests
Unter dem Begriff Chi-Quadrat-Test verbergen sich mehrere Anwendungen. Für Forschungsarbeiten sind vor allem der Unabhängigkeitstest und der Anpassungstest relevant. Die Wahl folgt Ihrer Hypothese, nicht der Softwareauswahl.
Chi-Quadrat-Unabhängigkeitstest
Der Unabhängigkeitstest prüft, ob zwei kategoriale Variablen miteinander zusammenhängen. Die Nullhypothese lautet: Zwischen den Variablen besteht kein Zusammenhang. Im genannten Therapie-Beispiel würde getestet, ob Therapieform und klinische Besserung unabhängig voneinander auftreten.
Die Software vergleicht die tatsächlich beobachteten Häufigkeiten mit den Häufigkeiten, die bei vollständiger Unabhängigkeit zu erwarten wären. Weichen beide Verteilungen stärker voneinander ab, als es durch Zufall plausibel wäre, wird die Nullhypothese verworfen.
Wichtig für die Interpretation: Ein signifikanter Befund zeigt einen statistischen Zusammenhang, keine Kausalität. Wenn sich Therapiegruppen in einer Beobachtungsstudie unterscheiden, können etwa Alter, Krankheitsdauer oder Ausgangsschwere den Befund mit beeinflussen. Für kausale Aussagen braucht es ein passendes Studiendesign und gegebenenfalls eine adjustierte Analyse.
Chi-Quadrat-Anpassungstest
Der Anpassungstest untersucht nur eine kategoriale Variable. Er prüft, ob eine beobachtete Verteilung einer erwarteten Verteilung entspricht. Denkbar wäre die Frage, ob sich die Verteilung von vier Blutgruppen in Ihrer Stichprobe von einer vorab definierten Referenzverteilung unterscheidet.
Auch hier benötigen Sie Fallzahlen pro Kategorie. Die erwarteten Anteile müssen vor der Analyse fachlich begründbar sein, zum Beispiel durch eine Referenzpopulation, gesetzliche Vorgaben oder eine klar formulierte theoretische Annahme. Eine Erwartung erst nach Sichtung der Daten festzulegen, wäre methodisch nicht überzeugend.
Diese Voraussetzungen müssen Ihre Daten erfüllen
Die Skalierung allein genügt nicht. Ein korrekter Chi-Quadrat-Test setzt mehrere Bedingungen voraus, die Sie vor der Auswertung dokumentieren sollten.
Erstens müssen die Beobachtungen unabhängig sein. Jede Person darf pro Analyse nur einmal in die Kreuztabelle eingehen. Wiederholte Messungen derselben Personen - etwa Zustimmung vor und nach einer Intervention - verletzen diese Annahme. Bei gepaarten dichotomen Daten ist häufig der McNemar-Test die passendere Wahl.
Zweitens sollte jede Beobachtung eindeutig genau einer Kategorie zugeordnet sein. Bei Mehrfachantworten in Fragebögen, etwa mehreren gleichzeitig gewählten Informationsquellen, ist das nicht automatisch gegeben. Dann werden einzelne Antwortoptionen oft als getrennte Ja-Nein-Variablen analysiert. Dabei steigt allerdings die Zahl der Tests und damit auch das Risiko zufälliger signifikanter Befunde.
Drittens dürfen die erwarteten Zellhäufigkeiten nicht zu klein sein. Als verbreitete Faustregel gilt: Keine erwartete Häufigkeit sollte unter 1 liegen, und höchstens 20 Prozent der Zellen sollten erwartete Häufigkeiten unter 5 aufweisen. Bei einer 2x2-Tabelle werden häufig noch strengere Maßstäbe angesetzt.
Die erwarteten Häufigkeiten sind nicht identisch mit den beobachteten Fallzahlen. Sie ergeben sich aus den Randhäufigkeiten der Kreuztabelle. Eine Zelle kann also durchaus fünf beobachtete Fälle enthalten und dennoch problematisch sein, wenn unter der Nullhypothese viel weniger Fälle erwartet würden.
Kleine Gruppen: Kategorien zusammenfassen oder anderen Test wählen?
Seltene Kategorien sind ein häufiger Grund, weshalb Chi-Quadrat-Analysen in kleinen Stichproben unsicher werden. Wer beispielsweise sechs Diagnosegruppen bei insgesamt 35 Personen auswertet, erhält schnell sehr dünn besetzte Zellen. Das bedeutet nicht automatisch, dass die Analyse unmöglich ist. Die Lösung muss aber zur Fragestellung passen.
Inhaltlich ähnliche Kategorien dürfen nur dann zusammengefasst werden, wenn dies fachlich begründbar und idealerweise vorab geplant ist. Kategorien allein deshalb zu bündeln, weil der p-Wert sonst ungünstig ausfällt, wäre nicht vertretbar. Zudem kann das Zusammenfassen relevante Unterschiede verdecken.
Bei kleinen erwarteten Häufigkeiten in einer 2x2-Tabelle ist der exakte Fisher-Test häufig eine geeignete Alternative. Bei größeren Tabellen können exakte Verfahren oder Monte-Carlo-Simulationen sinnvoll sein. Welche Option angemessen ist, hängt von Tabellenformat, Stichprobengröße und Forschungsfrage ab.
Was Sie nicht unbesehen mit Chi-Quadrat testen sollten
Metrische Messwerte wie Alter, BMI, Umsatz, Reaktionszeit oder Blutdruck sind keine unmittelbaren Chi-Quadrat-Daten. Sie lassen sich zwar künstlich kategorisieren, etwa in Altersgruppen oder Risikoklassen. Dadurch geht aber Information verloren, und die gewählten Grenzwerte können das Ergebnis beeinflussen. Wenn die abhängige Variable metrisch ist, sind häufig t-Test, Varianzanalyse, Korrelation oder Regression die bessere Wahl.
Auch Likert-Items verdienen Aufmerksamkeit. Eine einzelne fünfstufige Zustimmungsfrage kann grundsätzlich als kategoriale Variable in eine Kreuztabelle eingehen. Bei kleinen Stichproben führen die vielen Antwortstufen jedoch oft zu zu niedrigen erwarteten Häufigkeiten. Bei mehreren Items, die ein gemeinsames Konstrukt messen sollen, ist zudem zu prüfen, ob eine Skalenbildung und anschließende Analyse auf Basis eines Skalenwerts methodisch sinnvoller ist.
Ein weiterer Stolperstein sind fehlende Werte. Sie sollten transparent ausweisen, wie viele Fälle pro Analyse ausgeschlossen wurden und warum. Werden „keine Angabe“, „weiß nicht“ oder fehlende Werte als reguläre Kategorie behandelt, braucht diese Entscheidung eine inhaltliche Begründung.
Chi-Quadrat-Ergebnis richtig berichten
Ein professionelles Reporting enthält mehr als den p-Wert. Nennen Sie die Stichprobengröße, die Art des Tests, die Teststatistik, Freiheitsgrade und den p-Wert. Bei einem Zusammenhangstest gehört außerdem eine Effektgröße dazu, meist Cramérs V. Ein statistisch signifikanter Effekt kann bei großen Stichproben praktisch sehr klein sein. Umgekehrt kann ein relevanter Effekt bei kleiner Stichprobe nicht signifikant werden.
Eine mögliche Formulierung lautet: „Zwischen Therapiegruppe und klinischer Besserung bestand ein statistisch signifikanter Zusammenhang, χ²(1, N = 120) = 6,42, p = ,011, Cramérs V = ,23.“ Anschließend sollten Sie die Richtung anhand von Zeilen- oder Spaltenprozenten erläutern: In welcher Gruppe war der Anteil höher, und wie groß war der Unterschied tatsächlich?
Bei Tabellen mit mehr als zwei Kategorien reicht ein signifikanter Gesamttest noch nicht aus, um jede einzelne Abweichung zu erklären. Standardisierte Residuen können zeigen, welche Zellen besonders zum Ergebnis beitragen. Diese Detailanalyse sollte jedoch vorsichtig erfolgen und bei vielen Vergleichen angemessen abgesichert werden.
Vor der Auswertung: die kurze methodische Prüfung
Prüfen Sie zunächst, ob Ihre Forschungsfrage einen Zusammenhang oder eine Verteilungsabweichung betrifft. Kontrollieren Sie danach Skalenniveau, Unabhängigkeit der Fälle, Anzahl der Kategorien, fehlende Werte und erwartete Zellhäufigkeiten. Erst dann entscheiden Sie zwischen klassischem Chi-Quadrat-Test, Fisher-Test, McNemar-Test oder einem anderen Verfahren.
Gerade bei Abschlussarbeiten ist diese Vorprüfung wertvoller als ein schneller Klick in SPSS, R, Jamovi oder JASP. Software berechnet auch ungeeignete Modelle - sie ersetzt keine methodische Entscheidung. Eine nachvollziehbare Auswahl des Tests schützt Ihre Argumentation im Kolloquium, im Reviewprozess und bei der späteren Veröffentlichung.
Wenn Ihre Kreuztabelle komplex ist, die Stichprobe klein ausfällt oder Sie das Ergebnis publikationsreif berichten müssen, kann eine individuelle Prüfung durch promovierte Statistiker Sicherheit schaffen. Easy Statistik unterstützt bei der Testauswahl, Auswertung und verständlichen Ergebnisdarstellung diskret und auf akademischem Niveau. Nutzen Sie dafür das Kontaktformular und lassen Sie Ihre Datenstruktur vor der Analyse gezielt einschätzen.
