In der sozialwissenschaftlichen Forschung reicht es oft nicht aus, nur Unterschiede zwischen Gruppen zu beobachten. Man möchte auch wissen, welche Variablen diese Unterschiede verursachen und zu welcher Gruppe eine neue Person gehören könnte. Genau hier kommt die Diskriminanzanalyse ins Spiel. In diesem Beitrag erklären wir, was die Diskriminanzanalyse ist, wann sie eingesetzt wird und wie man sie interpretiert – klar und mit Beispielen.

1. Was ist Diskriminanzanalyse?

Die Diskriminanzanalyse ist eine multivariate statistische Methode, mit der Individuen oder Beobachtungen vordefinierten Gruppen zugeordnet werden. Sie zeigt auch, welche Variablen die Gruppen am besten unterscheiden.

Beispiel: Vorhersage, ob Studierende im Präsenz- oder Fernunterricht sind – basierend auf Leistung, Motivation und Stressniveau.

2. Wann wird sie verwendet?

• Wenn die abhängige Variable kategorial ist (z. B. Gruppenzugehörigkeit) und zwei oder mehr Gruppen umfasst
• Wenn die unabhängigen Variablen kontinuierlich (numerisch) sind
• Wenn man Variablen identifizieren möchte, die Gruppen unterscheiden
• Wenn man die Gruppenzugehörigkeit neuer Personen vorhersagen möchte

3. Zentrale Konzepte

Diskriminanzfunktion
Lineare Kombinationen, die die Gruppen am besten trennen. Jede Funktion kann als Achse betrachtet werden.

Wilks’ Lambda
Testet, ob die Unterschiede zwischen den Gruppen signifikant sind. Je kleiner der Wert, desto stärker die Trennung.

Klassifikationsmatrix
Zeigt, wie genau das Modell Personen korrekt klassifiziert. Je höher der Prozentsatz, desto erfolgreicher das Modell.

4. Diskriminanzanalyse in SPSS durchführen

• Gehe zu: Analyze > Classify > Discriminant
• Wähle die Gruppenvariable (kategorial) und die unabhängigen Variablen (kontinuierlich)
• Unter „Statistics“ Optionen wie Wilks’ Lambda und Eigenwerte aktivieren
• Unter „Classify“ Klassifikationsoptionen festlegen
• Auf „OK“ klicken

5. Ergebnisse interpretieren

• Wilks’ Lambda (p < 0,05): Signifikanter Unterschied zwischen Gruppen
• Standardisierte Diskriminanzkoeffizienten: Zeigen, welche Variablen am stärksten zur Trennung beitragen
• Klassifikationsgenauigkeit: Gibt die Modellleistung an (z. B. 82 % korrekt klassifiziert)

6. Wie in der Arbeit berichten

„Die Diskriminanzanalyse ergab, dass Leistung und Motivation signifikant zwischen den Bildungsformen unterscheiden (Wilks’ Lambda = 0,72, χ² = 18,45, p < 0,01). Das Modell klassifizierte 81 % der Studierenden korrekt.“

7. Nicht verwechseln mit

8. Fazit

Die Diskriminanzanalyse zeigt nicht nur Unterschiede zwischen Gruppen, sondern auch, welche Variablen dafür verantwortlich sind. Mit der Fähigkeit, Gruppenzugehörigkeit vorherzusagen, ist sie ein starkes Analyseinstrument für Ihre Abschlussarbeit.