Korrelation in SPSS

SPSS Logo

Korrelationen werden betrachtet, um den Zusammenhang zwischen Variablen feststellen zu können. Im EpiBioManual wurde bereits der Pearson-Korrelationskoeffizient händisch berechnet und erläutert. Wir wollen uns nun ansehen, wie wir diesen in SPSS berechnen können. Außerdem werden wir den Zusammenhang zwischen zwei Variablen mithilfe eines Streudiagramms visualisieren.

Beispiel "Blutdrucksenker"

Es soll untersucht werden, ob es einen Zusammenhang zwischen dem BMI der Patient:innen und der Senkung ihres Blutdrucks nach 5 Wochen gibt. Dazu wird der Pearson-Korrelationskoeffizient und ein Streudiagramm für die metrischen Varialen BMI und BD_senk betrachtet.

voraussetzungen

… für den Pearson-Korrelationskoeffizienten:

  • Es wird der Zusammenhang zwischen zwei jeweils metrischen Variablen betrachtet.
  • Die Variablen sollen auf eine lineare Beziehung untersucht werden.
  • Die Variablen sind annähernd normalverteilt.

Umsetzung in SPSS

Im SPSS-Menü: Analysieren » Korrelation » Bivariat …

Im Dialogfenster (vgl. Abb. 1) werden die Variablen angegeben, für die die Korrelation berechnet werden soll. Wir wählen aus der Liste die Variablen BD_senk und BMI aus und übertragen sie mithilfe des Pfeil-Symbols in das ‚Variablen‘-Feld. Hier ist es auch möglich, mehr als zwei Variablen zu betrachten, für die dann jeweils bivariate Korrelationen untereinander in einer Tabelle ausgegeben werden. 

Zusätzlich müssen die Häkchen bei den Korrelationskoeffizienten gesetzt werden, die uns interessieren. In unserem Fall also das Häkchen bei ‚Pearson‘. Auf die Alternativen – den Spearman– und den Kendall-Tau-b–Korrelationskoeffizienten – wird im Rahmen des EpiBioManuals nicht weiter eingegangen.

DATASET ACTIVATE DataSet1.
CORRELATIONS
/VARIABLES=BMI BD_senk
/PRINT=TWOTAIL NOSIG FULL
/MISSING=PAIRWISE.

SPSS-Oberfläche zur Berechnung bivariater Korrelationen. Details im Text.
Abb. 1: Dialogfenster zur Berechnung bivariater Korrelationen.1Lisa Holstein, Christian Wiessner, Antonia Zapf (Institut für Medizinische Biometrie und Epidemiologie) (2025), Universitätsklinikum Hamburg-Eppendorf.

Interpretation des SPSS-Outputs

SPSS-Output der bivariaten Korrelationen, die hervorgehoben sind. Details im Text.
Abb. 2: SPSS Output der Berechnung der bivariaten Korrelation.2Lisa Holstein, Christian Wiessner, Antonia Zapf (Institut für Medizinische Biometrie und Epidemiologie) (2025), Universitätsklinikum Hamburg-Eppendorf.

Die Tabelle in Abb. 2 zeigt das Ergebnis der Korrelationsberechnung. Es wird schnell ersichtlich, dass die Tabelle symmetrisch um die Diagonale herum aufgebaut ist.

Hier kann man den Korrelationskoeffizienten jeweils in einem der Felder ablesen, die beide Variablen BD_senk und BMI beinhalten. Das heißt, der Pearson-Korrelationskoeffizient ist, wie in unseren manuellen Berechnungen, r_{xy}= -0,364. Die andere Diagonale zeigt jeweils 1 an, da die Korrelation einer Variablen mit sich selbst immer 1 ergibt. 

Wie im EpiBioManual genauer erklärt, handelt es sich um eine moderate negative Korrelation zwischen dem BMI und der Senkung des systolischen Blutdrucks. 

STREUDIAGRAMME

Um sich den Zusammenhang zwischen den zwei metrischen Variablen BD_senk und BMI zu verdeutlichen und auch nicht-lineare Zusammenhänge zu erkennen, kann man die Variablen zusätzlich grafisch darstellen. Dies macht man mithilfe eines Streu- bzw. Punktdiagramms.

Umsetzung in SPSS

Im SPSS-Menü: Grafik » Streu-/Punktdiagramm …

Im Dialogfenster (vgl. Abb. 3) wird zunächst ‚Einfaches Streudiagramm‘ ausgewählt.
Nach dem Klick auf ‚Definieren‘ werden im nächsten Dialogfenster (vgl. Abb. 4) die Variablen angegeben, für die das Streudiagramm erstellt werden soll: Wir wählen die Variable BMI für die X-Achse unseres Diagramms und die Variable BD_senk für die Y-Achse aus. 

SPSS-Oberfläche zur Erstellung eines Einfachen Streudiagramms. Details im Text.
Abb. 3: Dialogfenster 1 zur Erstellung eines einfachen Streudiagramms.3Lisa Holstein, Christian Wiessner, Antonia Zapf (Institut für Medizinische Biometrie und Epidemiologie) (2025), Universitätsklinikum Hamburg-Eppendorf.
SPSS-Oberfläche zur Variablenauswahl für die Erstellung eines Einfachen Streudiagramms. Details im Text.
Abb. 4: Dialogfenster 2 für die Variablenauswahl zur Erstellung eines einfachen Streudiagramms.4Lisa Holstein, Christian Wiessner, Antonia Zapf (Institut für Medizinische Biometrie und Epidemiologie) (2025), Universitätsklinikum Hamburg-Eppendorf.

DATASET ACTIVATE DataSet1.
GRAPH
/SCATTERPLOT(BIVAR)=BMI WITH BD_senk
/MISSING=LISTWISE.

Interpretation des SPSS-Outputs

SPSS-Output des Einfachen Streudiagramms. Details im Text.
Abb. 5: SPSS Output des einfachen Streudiagramms.5Lisa Holstein, Christian Wiessner, Antonia Zapf (Institut für Medizinische Biometrie und Epidemiologie) (2025), Universitätsklinikum Hamburg-Eppendorf.

Das Streudiagramm in Abb. 5 mit dem BMI auf der X-Achse und der Blutdrucksenkung auf der Y-Achse hilft, den Zusammenhang der Variablen grafisch nachzuvollziehen.

Hier lässt sich auch wieder der moderat negative Zusammenhang zwischen den Variablen erkennen.

Zurück zum EpiBioManual