Chi-Quadrat-Test: Wie prüfe ich, ob zwei Merkmale in meiner Umfrage wirklich zusammenhängen?

Mach ich gern, und die gute Nachricht vorweg: Der Chi-Quadrat-Test ist einer der wenigen Tests, die man wirklich noch mit Taschenrechner und Tabelle rechnen kann. Das Prinzip in einem Satz: Du vergleichst, was du beobachtet hast, mit dem, was bei völliger Unabhängigkeit der beiden Merkmale herauskommen müsste.

Erst die Hypothesen, die verwirren am Anfang am meisten:

• H0: Die beiden Merkmale sind unabhängig (kein Zusammenhang)
• H1: Die Merkmale sind abhängig (es gibt einen Zusammenhang)

Du prüfst also formal die Unabhängigkeit und hoffst, sie verwerfen zu können. Das fühlt sich verkehrt herum an, ist aber die Logik jedes Signifikanztests: Man widerlegt die langweilige Annahme, statt die interessante zu beweisen.

Woher die erwarteten Häufigkeiten kommen: Nimm an, das Alter spielt überhaupt keine Rolle. Dann müsste der Homeoffice-Anteil in jeder Altersgruppe genau dem Gesamtanteil entsprechen. Und genau das rechnet die Formel aus:

e = (Zeilensumme · Spaltensumme) / n

Kleines Beispiel, vereinfacht auf zwei Altersgruppen, n = 100:

• beobachtet, unter 30: 45 Homeoffice, 15 Büro (Zeilensumme 60)
• beobachtet, ab 30: 20 Homeoffice, 20 Büro (Zeilensumme 40)
• Spaltensummen: 65 Homeoffice, 35 Büro

Erwartet für „unter 30 / Homeoffice“: 60 · 65 / 100 = 39. Für „unter 30 / Büro“: 60 · 35 / 100 = 21. Für „ab 30 / Homeoffice“: 40 · 65 / 100 = 26, für „ab 30 / Büro“: 14. Kontrolle: Die erwarteten Häufigkeiten haben dieselben Zeilen- und Spaltensummen wie deine Ausgangstabelle – stimmt das nicht, hast du dich verrechnet.

Dann die Teststatistik, Zelle für Zelle (beobachtet minus erwartet, quadriert, geteilt durch erwartet):

• (45 − 39)² / 39 = 36 / 39 = 0,923
• (15 − 21)² / 21 = 36 / 21 = 1,714
• (20 − 26)² / 26 = 36 / 26 = 1,385
• (20 − 14)² / 14 = 36 / 14 = 2,571

Summe: Chi² = 6,59

Freiheitsgrade: df = (Zeilen − 1) · (Spalten − 1). Im Beispiel (2−1)·(2−1) = 1. Bei deiner Tabelle mit drei Altersgruppen und zwei Antwortmöglichkeiten also (3−1)·(2−1) = 2.

Entscheidung: Kritischer Wert aus der Chi-Quadrat-Tabelle bei 5 % Signifikanzniveau und df = 1 ist 3,84. Unser Wert 6,59 liegt darüber → H0 verwerfen → der Zusammenhang ist signifikant. Für df = 2 liegt der kritische Wert bei 5,99, für df = 3 bei 7,81. Merksatz: Testwert größer als Tabellenwert → Zusammenhang.

In Excel musst du nichts von Hand rechnen: erwartete Häufigkeiten als kleine Nebentabelle mit der Formel oben bauen, dann liefert CHIQU.TEST(beobachtet; erwartet) direkt den p-Wert. Kleiner als 0,05 heißt signifikant. Den kritischen Wert bekommst du über CHIQU.INV.RE(0,05; Freiheitsgrade). In der Arbeit berichtest du dann: Chi²(2) = …, p = …, n = 180.

Marcos Rechenweg passt – ich hänge die Punkte an, an denen in Seminararbeiten regelmäßig Punkte verloren gehen, weil richtig gerechnet, aber falsch interpretiert wurde.

1. Voraussetzungen prüfen (und im Text erwähnen). Der Test ist für kategoriale Daten gedacht, das passt bei dir. Wichtig ist die Faustregel zu den erwarteten Häufigkeiten: möglichst alle mindestens 5, höchstens 20 % der Zellen darunter, keine unter 1. Bei 180 Befragten und sechs Zellen klappt das meistens. Falls doch nicht: Kategorien sinnvoll zusammenfassen (etwa 30–50 und über 50 zu „ab 30“) oder bei einer Vierfeldertafel den exakten Test nach Fisher nehmen. Und gezählt werden Personen, keine Prozente – in die Tabelle gehören absolute Häufigkeiten, sonst ist das Ergebnis Unsinn.

2. Signifikant heißt nicht stark. Das ist der wichtigste Satz. Der Chi-Quadrat-Wert wächst fast automatisch mit der Stichprobengröße – bei n = 5.000 wird nahezu jeder Mini-Unterschied signifikant. Gib deshalb immer eine Effektstärke an:

• bei der Vierfeldertafel: Phi
• sonst: Cramérs V = Wurzel aus Chi² / (n · (k−1)), wobei k die kleinere Anzahl von Zeilen bzw. Spalten ist

Grobe Orientierung: rund 0,1 schwach, 0,3 mittel, 0,5 stark. Ein Satz wie „Der Zusammenhang ist signifikant (p < 0,05), mit V = 0,14 aber schwach ausgeprägt“ zeigt, dass du verstanden hast, was du da gerechnet hast.

3. Der Test sagt dir nicht, wo es klemmt. Chi-Quadrat ist ein Globaltest: Er meldet nur, dass irgendwo in der Tabelle Beobachtung und Erwartung auseinanderlaufen, nicht in welcher Gruppe. Schau dir dafür die einzelnen Summanden an – im Beispiel oben trägt die Zelle mit 2,57 am meisten bei. Sauberer sind standardisierte Residuen; Beträge über etwa 2 markieren die auffälligen Zellen. Damit kannst du im Text schreiben, welche Altersgruppe aus dem Rahmen fällt.

4. Kein Kausalschluss. Auch bei p < 0,001 hast du einen Zusammenhang, keine Ursache. Vielleicht liegt es gar nicht am Alter, sondern daran, dass Jüngere häufiger Tätigkeiten haben, die sich von zuhause erledigen lassen. Ein Satz zu solchen Drittvariablen in den Limitationen wirkt immer souverän.

5. Handwerkliches zum Schluss: Signifikanzniveau vor der Auswertung festlegen (üblich 5 %). Den p-Wert nicht als „Wahrscheinlichkeit, dass H0 stimmt“ interpretieren, sondern als Wahrscheinlichkeit, ein solches oder extremeres Ergebnis zu erhalten, wenn H0 gilt. Und nicht zehn Kreuztabellen durchprobieren und dann die eine signifikante berichten – wer viel testet, findet zwangsläufig etwas.