In der sozialwissenschaftlichen Forschung möchten wir nicht nur Unterschiede zwischen Gruppen erkennen, sondern auch verstehen, welche Variablen diese Unterschiede verursachen und zu welcher Gruppe eine Person gehören könnte. In solchen Fällen bieten Entscheidungsbäume und Klassifikationsanalysen eine visuelle und leicht verständliche Lösung. In diesem Beitrag erklären wir, was Entscheidungsbäume sind, wie sie funktionieren und wie sie in der Abschlussarbeit eingesetzt werden können – klar und mit Beispielen.

1. Was ist ein Entscheidungsbaum?

Ein Entscheidungsbaum ist ein Algorithmus, der Daten durch Verzweigungen klassifiziert und vorhersagt. Jede Verzweigung stellt eine Entscheidungsregel dar; die Blätter zeigen das Klassifikationsergebnis.

Beispiel: Vorhersage, ob ein Studierender eine Prüfung besteht – basierend auf Lernzeit, Anwesenheit und Motivation.

2. Wann werden Entscheidungsbäume verwendet?

• Wenn die abhängige Variable kategorial ist (z. B. bestanden/nicht bestanden, zufrieden/nicht zufrieden)
• Wenn die unabhängigen Variablen gemischt sind (kontinuierlich und kategorial)
• Wenn eine visuelle Darstellung des Modells gewünscht ist
• Wenn komplexe Zusammenhänge vereinfacht werden sollen

3. Häufige Entscheidungsbaum-Algorithmen

4. Vorteile von Entscheidungsbäumen

• Leicht zu interpretieren und zu visualisieren
• Kann mit fehlenden Daten umgehen
• Funktioniert mit kategorialen und kontinuierlichen Variablen
• Vereinfacht komplexe Modelle

5. Klassifikation mit Entscheidungsbäumen

Datenvorbereitung

• Abhängige Variable sollte kategorial sein (z. B. „erfolgreich“ vs. „nicht erfolgreich“)
• Unabhängige Variablen können numerisch oder kategorial sein

Modellerstellung

• Entscheidungsbäume können mit SPSS, R (rpart, party) oder Python (scikit-learn) erstellt werden

Modellevaluation

• Genauigkeitsrate (% korrekt klassifizierte Fälle)
• Konfusionsmatrix
• ROC-Kurve (Unterscheidungsfähigkeit des Modells)

6. Entscheidungsbaum in SPSS erstellen

• Gehe zu: Analyze > Classify > Tree
• Wähle abhängige und unabhängige Variablen
• Wähle Algorithmus: CHAID, CART oder QUEST
• „Display tree diagram“ aktivieren
• Auf „OK“ klicken

7. Wie in der Arbeit berichten

„Die Entscheidungsbaumanalyse zeigte, dass die Lernzeit die wichtigste Variable zur Unterscheidung des Prüfungserfolgs war. Das Modell klassifizierte 84 % der Studierenden korrekt. Laut Baumstruktur liegt die Erfolgsquote bei Studierenden, die mehr als 10 Stunden pro Woche lernen, bei 92 %.“

8. Entscheidungsbaum vs. Logistische Regression

9. Fazit

Entscheidungsbäume sind ein leistungsstarkes und verständliches Werkzeug zur Klassifikation und Vorhersage in den Sozialwissenschaften. Ihre visuelle Struktur unterstützt nicht nur die Analyse, sondern auch die effektive Präsentation der Ergebnisse. Der Einsatz von Entscheidungsbäumen in Ihrer Arbeit kann sowohl akademisch als auch praktisch eine starke Wahl sein.