Warum .sav-Dateien ohne SPSS mühsam sind
Eine .sav-Datei trägt Variablenlabels („F4: Gesamtzufriedenheit“), Wertelabels (1 = „stimme gar nicht zu“) und Definitionen fehlender Werte. Wird sie unbedacht in CSV umgewandelt, bleibt eine Tabelle voller nichtssagender Codes. Genau diese Metadaten sind der Grund, warum Institute und Hochschulen auf das Format setzen.
Crosstabs liest die Datei direkt: Nach dem Öffnen stehen Kategorien als Wörter in den Tabellen, Variablen tragen ihren Fragetext, und systemdefinierte sowie numerische benutzerdefinierte fehlende Werte – auch Bereiche wie 97 bis 99 – fließen in die normale Behandlung fehlender Werte ein. Auch .zsav- und .por-Dateien werden gelesen.
Was erhalten bleibt – und was nicht
Die Datei wird vollständig im Browser verarbeitet; nichts wird übertragen. Das ist bei Rohdaten auf Befragtenebene oft das entscheidende Argument.
- Variablenlabels erscheinen neben den Variablennamen und im Datenwörterbuch.
- Wertelabels werden angewendet: Code 1 erscheint als sein Label.
- Numerische benutzerdefinierte fehlende Werte und Bereiche werden übernommen, systemdefinierte fehlende Werte ebenso.
- Speichern als .sav ist möglich: Der Datenexport schreibt alle Variablen und Zeilen mit Labels, Messniveaus und fehlenden Werten, auch nach Umcodierungen.
- Definitionen fehlender Werte für Textvariablen werden mit Erklärung abgelehnt, statt still mit anderer Basis importiert zu werden.
- Sehr alte oder ungewöhnliche .sav-Varianten können scheitern; speichern Sie die Datei dann in SPSS oder PSPP neu oder weichen Sie auf CSV aus.
Kostenlose Alternativen im Vergleich
GNU PSPP ist ein freier Desktop-Nachbau von SPSS, der vorhandene Syntaxdateien ausführt. In R liest das Paket haven, in Python pyreadstat .sav-Dateien zuverlässig – vorausgesetzt, Sie programmieren. Crosstabs ist der Weg ohne Installation: Datei öffnen, Tabellen bauen, exportieren.
Wenn Sie über Tabellen hinaus SPSS-Prozeduren brauchen, deckt Crosstabs im Statistikmodus weitere Befehlsfamilien ab, von Mittelwertvergleichen bis zur Regression, ebenfalls lokal im Browser.
Rechenbeispiel
Beispiel: Was benutzerdefinierte fehlende Werte ausmachen
Eine Zustimmungsfrage mit den Codes 1 bis 5 hat 12 Antworten; 97 („weiß nicht“) und 99 („keine Angabe“) sind in der .sav-Datei als fehlend definiert. Mit übernommenen Definitionen bleiben 10 gültige Antworten: 70,0 % stimmen eher oder voll zu, der Mittelwert der gültigen Antworten ist 3,70.
Eine achtlose CSV-Umwandlung verliert die Definition. Dann gehen 97 und 99 als Skalenwerte in die Rechnung ein, der „Mittelwert“ steigt auf 19,42 – auf einer Skala von 1 bis 5. Auch jede Prozentbasis wäre falsch: 12 statt 10.
| Code und Wertelabel | Anzahl | Gültige Prozent |
|---|---|---|
| 1 = stimme gar nicht zu | 1 | 10,0 % |
| 2 = stimme eher nicht zu | 1 | 10,0 % |
| 3 = teils, teils | 1 | 10,0 % |
| 4 = stimme eher zu | 4 | 40,0 % |
| 5 = stimme voll zu | 3 | 30,0 % |
| 97, 99 = fehlend (benutzerdefiniert) | 2 | – |
| Gültige Basis | 10 | 100,0 % |
Synthetische Beispielantworten zur Illustration. Prozentwerte und Mittelwerte im Code berechnet.