Einfache räumliche Analysen - Fachbereich Stadt- und ...

EDV-GESTÜTZTE ANALYSE UND 

VISUALISIERUNG RÄUMLICHER DATEN 

[ VU 1.5 LVA-NR.: 266.122 ] 

DR. HANS KRAMAR / DI JOHANNES SUITNER 

SS 2011 

[1] EINFACHE RÄUMLICHE ANALYSEN 

DEPARTMENT FÜR RAUMENTWICKLUNG, INFRASTRUKTUR- UND UMWELTPLANUNG 

FACHBEREICH STADT- UND REGIONALFORSCHUNG 

TECHNISCHE UNIVERSITÄT WIEN

edv-gestützte analyse und visualisierung räumlicher daten 

kramar / suitner 

INHALT 

1. ZIEL DER ÜBUNGSEINHEIT.................................................................................................... 3 

2. DATENSATZBESCHREIBUNG................................................................................................ 3 

2.1. RÄUMLICHES BEZUGSSYSTEM WIEN ..................................................................................... 3 

2.2. LAGE DER HALTESTELLEN..................................................................................................... 4 

2.3. GEHZEITMATRIX „MATRIX_WIEN.SAV“ .................................................................................... 5 

2.4. HALTESTELLENDATEN („STATIONEN_WIEN.SAV“).................................................................... 5 

2.5. WOHNBEVÖLKERUNGSDATEN („BEV97.SAV“) ......................................................................... 5 

3. EINFÜHRUNG IN SPSS............................................................................................................ 6 

3.1. EINLESEN VON DATEN .......................................................................................................... 6 

3.2. SPEICHERN VON DATEN........................................................................................................ 7 

3.3. ÄNDERN DER DEFINITION VON VARIABLEN............................................................................. 8 

3.4. FESTLEGEN VON ARBEITSOPTIONEN ..................................................................................... 8 

3.5. BERECHNUNG NEUER VARIABLEN ......................................................................................... 9 

3.6. KLASSIFIZIEREN VON DATEN ............................................................................................... 10 

3.7. EINFACHE STATISTISCHE AUSWERTUNGEN UND DIAGRAMME ............................................... 11 

3.8. EINFACHE DIAGRAMME IN SPSS......................................................................................... 13 

3.9. ABSPEICHERN DES OUTPUTS.............................................................................................. 15 

3.10. RÄUMLICHE AGGREGATION VON DATENSÄTZEN................................................................... 16 

3.11. ZUSAMMENFÜGEN VON DATEN AUS UNTERSCHIEDLICHEN QUELLEN..................................... 17 

3.12. PROGRAMMIEREN............................................................................................................... 19 

4. SPSS ANWENDUNG ZUR ANALYSE DER ÖV-ERREICHBARKEIT ................................... 20 

4.1. ABGRENZUNG DES UNTERSUCHUNGSGEBIETES................................................................... 20 

4.2. AUSWAHL DER FÜR DEN BEZIRK RELEVANTEN STATIONEN ................................................... 20 

4.3. REDUKTION DER KW-MATRIX ............................................................................................. 22 

5. ANALYSE DER ERREICHBARKEIT VON ÖV-STATIONEN................................................. 24 

5.1. BEWERTUNG DER ÖV-STATIONEN....................................................................................... 24 

5.2. EINZUGSBEREICHE DER ÖV-STATIONEN.............................................................................. 25 

5.3. ERREICHBARKEIT VON ÖV-STATIONEN................................................................................ 27 

5.4. ERSCHLIEßUNGSQUALITÄT DER BAUBLÖCKE........................................................................ 29 

5.5. VERSORGUNG DER BEVÖLKERUNG MIT ÖV-STATIONEN....................................................... 30 

6. AUFGABENSTELLUNG ......................................................................................................... 33 

http://www.srf.tuwien.ac.at/lva/eav/eav.html seite 2



1. ZIEL DER ÜBUNGSEINHEIT 

Das Ziel dieser Übungseinheit ist die Analyse der unterschiedlichen Erreichbarkeit von Haltestellen 

des öffentlichen Nahverkehrs (Wiener Linien und ÖBB) innerhalb der Wiener Stadtbezirke. 

Eingangs wird der dafür nötige Datensatz vorgestellt (Kap.2). Anschließend beinhaltet die Einheit 

eine Einführung in die Statistik-Software SPSS, da die Berechnungen zum überwiegenden Teil mit 

Hilfe dieses Programms durchgeführt werden müssen. Hier werden die grundlegenden Prinzipien 

und wichtigsten Funktionen vorgestellt (Kap.3). Im vierten Kapitel wird beispielhaft für den ersten 

Wiener Gemeindebezirk gezeigt, wie das Untersuchungsgebiet abgegrenzt und die für die Analyse 

notwendigen Daten selektiert werden. Im Anschluss werden verschiedene Methoden zur Analyse 

der Erreichbarkeit von Haltestellen des öffentlichen Nahverkehrs innerhalb des betrachteten 

Bezirks vorgestellt und mit Hilfe von SPSS umgesetzt (Kap.5). In analoger Weise sind die im 

sechsten Kapitel gestellten Aufgaben von jeder Gruppe für einen ausgewählten Bezirk zu lösen. 

2. DATENSATZBESCHREIBUNG 

Für das Übungsbeispiel und für die Aufgabenstellung stehen folgende Daten zur Verfügung: 

 

 

eine Matrix mit den Zugangszeiten von jedem Wiener Baublock zu jeder ÖV-Station 

innerhalb von 1.800m Entfernung („matrix_wien.sav“) 

eine Liste der Wiener ÖV-Stationen mit Namen sowie Art und Anzahl der dort haltenden 

Linien („stationen_wien.dbf“) 

die Wohnbevölkerung der Baublöcke insgesamt und nach Altersgruppen aus der 

Bevölkerungsevidenz 1997 gegliedert („bev97.sav“) 

Diese Daten sind von der Homepage zur Übung unter HTTP://WWW.SRF.TUWIEN.AC.AT/LVA/EAV/ 

EAV.HTML herunterzuladen. Die Files sind zu Beginn jeder Arbeitssitzung auf die lokale Festplatte 

zu speichern. Am Ende jeder Einheit sollten sie im entsprechenden Userverzeichnis oder auf 

einem externen Speichermedium gesichert und vom lokalen Gerät gelöscht werden. 

2.1. Räumliches Bezugssystem Wien 

Den Analysen im Rahmen dieser Lehrveranstaltung liegt Wien als räumliches Bezugssystem 

zugrunde. Um mit den zur Verfügung gestellten Datensätzen die technisch richtigen 

Analyseschritte setzen zu können, ist es wichtig zu wissen, wie die statistischen Einheiten 

innerhalb dieses Bezugssystems gegliedert sind. 

Wiens statistische Einheiten sind über mehrstellige Codes eindeutig identifiziert: 

 

 

 

 

23 Bezirke (2-stelliger Code) 

250 Zählbezirke (4-stelliger Code) 

1364 Zählgebiete (5-stelliger Code) 

10374 Baublöcke (8-stelliger Code) 

Dabei ist jede räumliche Einheit genau einer Einheit der darüber liegenden Ebene zugeordnet. Die 

Codes der Baublöcke setzen sich folgendermaßen zusammen: 

1 9 0 8 2 0 0 6 

Bezirk Zählbez. Zählgeb. Baublock 

Diese Systematik lässt sich anhand einer Baublockkarte für den ersten Bezirk veranschaulichen: 




Baublockcode: 

0 1 0 4 8 0 0 2 

2.2. Lage der Haltestellen 

Die ÖV-Haltestellen sind als Punkte erfasst und nach dem Stationsnamen durchnummeriert. Der 

Code der Stationen lässt daher keine Rückschlüsse auf deren Lage zu. Die Stationen im und in 

der unmittelbaren Umgebung des ersten Bezirks sind in folgender Karte dargestellt: 




2.3. Gehzeitmatrix „matrix_wien.sav“ 

Dateityp 

SPSS-Datendatei (*.sav) 

Anzahl Datensätze 443.375 

Variablen Block Nummer des Baublocks lt. RBW 

Station Nummer der Station/Haltestelle 

Zeit Gehzeit zwischen Block und Station in Sekunden 

Stand 1997 

Quelle 

Eigenerhebung des Instituts für Stadt und Regionalforschung der TU Wien 

Anmerkungen: Die Gehzeit wurde über die kürzeste Verbindung zwischen der Blockaußengrenze 

und Stationsknoten über das Straßennetz bei einer angenommenen Durchschnittsgeschwindigkeit 

von 3,6 km/h ermittelt. Es sind nur diejenigen Block-Station-Beziehungen enthalten, welche eine 

Maximaldistanz von 1800m aufweisen. Das entspricht einer Gehzeit von 30 Minuten bei einer 

angenommenen Durchschnittsgeschwindigkeit von 3,6 km/h. 

2.4. Haltestellendaten („stationen_wien.dbf“) 

Dateityp 

dbase4-datei (*.dbf) 


Variablen Station Nummer der Station 

Stat Name der Station (laut VOR-Fahrplan) 

Sbahn Anzahl der Schnellbahnlinien, die diese Station anfahren 

Ubahn Anzahl der U-Bahnlinien, die diese Station anfahren 

Tram Anzahl der Straßenbahnlinien, die diese Station anfahren 

Bus Anzahl der Buslinien, die diese Station anfahren 

Stand 1997 

Quelle 

Eigenerhebung des Instituts für Stadt und Regionalforschung der TU Wien 

auf Grundlage des VOR-Fahrplans (ohne Regionalbusse) 

Anmerkungen: Die Stationsnummern ergeben sich aus der alphabetischen Reihung der Stationen 

nach ihrem Namen. 

2.5. Wohnbevölkerungsdaten („bev97.sav“) 

Dateityp 

SPSS-Datendatei (*.sav) 


Variablen Block Nummer des Baublocks 

ew_sum Wohnbevölkerung insgesamt 

ew_0_3 Wohnbevölkerung 0- bis 3-jährig 




ew_60_ Wohnbevölkerung 60 und mehrjährig 

Stand 1997 

Quelle Bevölkerungsevidenz 1997 

Anmerkungen: Die Blocknummern entstammen dem RBW (Räumliches Bezugssystem Wien) des 

Magistrats Wien. Um das File nicht unnötig aufzublähen, enthält es nur Baublocks mit einer 

Wohnbevölkerung > 0. 




3. EINFÜHRUNG IN SPSS 

In der Lehrveranstaltung „Mathematik und Statistik für Raumplaner“ wurde bereits mit SPSS 

gearbeitet. Trotzdem werden die grundlegenden Funktionen zu Beginn kurz wiederholt und erst 

danach zusätzliche Möglichkeiten der Datenaufbereitung gezeigt. Die Erläuterungen zur 

technischen Handhabung beziehen sich dabei auf die Programmversion SPSS 15.0 (deutsch). 

3.1. Einlesen von Daten 

In SPSS können verschiedene Dateitypen, unter anderem dBase (*.dbf)- und Excel (*.xls)-Dateien, 

durch das Auswählen des entsprechenden Filetyps geöffnet werden. 

‣ SPSS über START / ALLE PROGRAMME / SPSS starten 

‣ Öffnen der dbase-Datei „stationen_wien.dbf“ über Startmenü oder über DATEI / 

ÖFFNEN / DATEN 




Daraufhin werden folgende Daten ins Data-Editor-Fenster geladen: 

Das SPSS Daten-Editor-Fenster hat 

ähnlich wie Excel am unteren Rand zwei 

Register („Datenansicht“ und „Variablenansicht“), 

sodass zwei verschiedene 

Ansichten gewählt werden können: die 

„Datenansicht“ mit den eigentlichen 

Daten und die „Variablenansicht“ mit der 

Beschreibung der Datenspalten. 

Beim Laden einer Excel-Datei ist folgendes zu 

beachten: Im Dialogfenster ist das Optionalfeld 

„Variablennamen aus ersten Dateizeile lesen.“ 

unbedingt anzuhaken, wenn die Namen der 

Variablen in der ersten Zeile des Excel-Tabellenblattes 

stehen und als solche auch in SPSS 

übernommen werden sollen. 

Falls die Daten in der Excel-Tabelle nicht direkt 

unter bzw. rechts von der Zelle A1 stehen oder nur 

Teile der Tabelle importiert werden sollen, muss im 

Feld „Bereich“ der gewünschte Bereich definiert 

werden. 

3.2. Speichern von Daten 

‣ DATEI / SPEICHERN 

‣ DATEI / SPEICHERN UNTER… Mit 

diesem Befehl kann der Daten-Editor 

u.a. als Excelfile (.xls), als SPSS- 

Datei (.sav) oder als dBASE-Datei 

(.dbf) gespeichert werden. Somit ist 

der Datensatz besser mit anderen 

Programmen kompatibel. Die Option 

„Variablennamen ins Arbeitsblatt 

speichern“ ist nur relevant, wenn eine 

Datei im Format einer Tabellenkalkulation 

(z.B. Excel) erzeugt werden 

soll (entspricht der Umkehrung der 

Option „Variablennamen lesen“ beim 

Öffnen einer Datei). Mit der Option 

„Variablen…“ kann festgelegt werden, 

ob der gesamte Datensatz oder nur 

einzelne Variablen abgespeichert 

werden sollen. 




3.3. Ändern der Definition von Variablen 

‣ Öffnen der SPSS Datei „bev97.sav“ 

Durch einen Doppelklick in den gewünschten Spaltenkopf oder durch Wählen des Registers 

„Variablenansicht“ können Änderungen an der Definition der Variablen vorgenommen werden. 

Dabei lassen sich folgende Parameter festlegen: 

 

 

 

 

 

 

 

 

 

 

„Name“: Name der Variablen (in älteren Versionen nur bis zu 8 Stellen) 

„Typ“: Art der Variablen (numerisch oder String) 

„Spaltenformat“: Zahl der maximal möglichen Stellen 

„Dezimalstellen“: Zahl der Nachkommastellen 

„Variablenlabel“: der Variable kann ein längerer erklärender Text zugeordnet werden (z.B. 

„Einwohner über 60 Jahre“). 

„Wertelabels“: Labels für bestimmte Merkmalsausprägungen (ähnlich wie in Excel bei den 

Zahlenformaten, d.h. nur die Optik ändert sich, der Wert an sich bleibt erhalten) 

„fehlende Werte“: Definition bestimmter Werte als Missing Values, d.h. diese werden in 

statistischen Analysen als nicht vorhanden interpretiert und somit nicht in Betracht gezogen. 

„Spalten“: Spaltenbreite (rein optisch!) 

„Ausrichtung“: Ausrichtung (rein optisch!) 

„Meßniveau“: Skalenniveau (auf dieses Thema wird in der nächsten Einheit näher 

eingegangen) 

Um sich in einen umfassenden Datensatz leichter einarbeiten zu können, empfiehlt es sich, eine 

detailierte Variablenbeschreibung im Viewer zu erstellen und diese auszudrucken: 

‣ DATEI / DATENDATEI-INFORMATIONEN ANZEIGEN / ARBEITSDATEI 

3.4. Festlegen von Arbeitsoptionen 

Je nach Verwendungsabsicht und Umfang des Datensatzes ist es sinnvoll, einige Voreinstellungen 

von SPSS zu verändern. Besonders bei der Erstellung eigener Datensätze erleichtert dies die 

Dateneingabe bzw. Variablenerstellung. 

Unter 

‣ BEARBEITEN / OPTIONEN / DATEN ‣ BEARBEITEN / OPTIONEN / ALLGEMEIN 

können beispielsweise die Dezimalstellen für 

neue Variablen standardmäßig auf 0 gesetzt 

werden (anstelle der voreingestellten zwei 

Dezimalstellen). 

öffnet sich automatisch das Syntax-Fenster 

beim Start des SPSS-Files (Erläuterungen zur 

Syntax folgen). 




3.5. Berechnung neuer Variablen 

Im File „bev97.sav“ ist die Wohnbevölkerung aller Wiener Baublöcke im Jahr 1997 (aus der 

Bevölkerungsevidenz 1997) nicht nur insgesamt, sondern auch für bestimmte Altersgruppen 

enthalten. Da die größte Altersgruppe der 15 bis 60-jährigen jedoch fehlt und die unteren 

Altersklassen bis 15 Jahre sehr fein gegliedert sind, ist es sinnvoller, drei große Altersklassen zu 

bilden: 

 

 

 

Kinder (0 bis 15 Jahre) 

Erwachsene (15 bis 60 Jahre) 

Pensionisten (über 60 Jahre) 

Dazu sind folgende Arbeitsschritte notwendig: 

‣ TRANSFORMIEREN / VARIABLE 

BERECHNEN 

‣ Zielvariable: mit dem oben 

genannten Befehl wird eine neue 

Variable berechnet, für die an dieser 

Stelle ein Name vergeben wird, also 

z.B. „einwohner_0_15“ (ACHTUNG: 

bei älteren Programmversionen 

maximal achtstellig) 

‣ Numerischer Ausdruck: 

Berechnung festlegen 

‣ Die Variablendefinition kann auch 

nachträglich noch verändert werden. 

Entweder mit der Option „Typ & 

Label“, oder in der „Variablenansicht“ 

‣ Berechnen der Variable „Erwachsene“ (15- bis 60-Jährige) nach dem selben Schema 

‣ Zusätzlich wird der Anteil der über 60-Jährigen und der Anteil der unter 15-Jährigen 

berechnet. 

Schließlich wird die Datei unter neuem Namen gespeichert. Zuvor können die „überflüssigen“ 

Variablen in der Variablenansicht gelöscht werden. 

‣ Abspeichern der Datei über DATEI / SPEICHERN UNTER… als „bev97_alter.sav 




In einem nächsten Schritt sind die einzelnen Baublöcke den Bezirken zuzuordnen. Der Blockcode 

ist ein linksbündiger, hierarchischer Code bestehend aus 7 bzw. 8 Zeichen. Schneidet man also 

vom Blockcode die letzten 6 Stellen weg, erhält man den Bezirkscode (siehe auch Kap.2.1). 

‣ TRANSFORMIEREN / VARIABLE 

BERECHNEN 

‣ Nummerischer Ausdruck: Der 

Blockcode „bb“ wird durch 1.000.000 

dividiert und die Nachkommastellen 

abgeschnitten ohne dabei zu runden. 

Dies erfüllt die Funktion „TRUNC“, die 

unter „Funktionen“ ausgewählt wird. 

‣ Als Ergebnis erhält man Bezirkscodes, 

deren Definition wie üblich im „Variable 

View“ entsprechend geändert werden 

kann. 

3.6. Klassifizieren von Daten 

Die Baublöcke sollen nun nach dem Bevölkerungsanteil der über 60-jährigen in sinnvolle Klassen 

eingeteilt werden. Klassifizieren von Daten bedeutet das Zuordnen von Datenwerten zu 

bestimmten Werteklassen. Die Klassen müssen dabei den gesamten Wertebereich abdecken und 

dürfen sich nicht überschneiden, d.h. die Klassifikation muss vollständig und eindeutig sein (z.B. 

unter 10%, bis 50%, bis 75%, mehr als 75%)! Die Ausgangsvariable „anteil_ueber60“ soll erhalten 

bleiben und eine neue, daraus abgeleitete Variable „ueber60_kl“ erzeugt werden. 

‣ TRANSFORMIEREN / UMKODIEREN 

IN ANDERE VARIABLEN ... 

‣ Die Variable „anteil_ueber60“ 

auswählen, im Feld „Output Variable“ 

den Namen „ueber60_kl“ und ein 

aussagekräftigeres Label eingeben 

(z.B. „Anteilsklassen der über 60- 

Jährigen"). Durch „Zuweisen“ werden 

die Änderungen aktiv. 

‣ Unter „Alte und neue Werte…“ werden 

4 Klassen definiert, d.h. die 

Klassengrenzen festgelegt (ACHTUNG: 

die Grenzen schließen die angeführten 

Werte mit ein). 

‣ Im Feld „Alter Wert“ werden die 

ursprünglichen Werte angegeben. 

‣ Im Feld „Neuer Wert“ wird der Wert der 

Klasse angegeben. 

‣ Erst durch „Hinzufügen“ werden die 

Klassenzuweisungen in die Liste „Alt 

Neu“ aufgenommen 




‣ In der „Variablenansicht“ die 

Dezimalstellen und Wertelabels 

entsprechend anpassen. 

‣ Die Einstellungen des „Wertelables“ 

können mit Anwählen der Schaltfläche 

„Wertelabels“ in der Symbolleiste in der 

Datenansicht sichtbar gemacht werden. 

3.7. Einfache statistische Auswertungen und Diagramme 

Als nächster Schritt können Kennzahlen aus der beschreibenden Statistik wie Maximalwert, 

Mittelwert, Standardabweichung, Rang etc. berechnet werden. Diese Berechnungen können auch 

für Teile aller Datensätze (in diesem Fall für ausgewählte Bezirke) vorgenommen werden. 

‣ DATEN / DATEI AUFTEILEN … 

‣ Das Optionsfeld „Ausgabe nach 

Gruppen aufteilen” aktivieren und 

unter „Gruppen basieren auf:” die 

Variable „bezirk” angeben. 

‣ Am rechten unteren Bildschirmrand 

erscheint „Datei aufteilen an“ 

‣ ANALYSIEREN / DESKRIPTIVE STATISTIKEN / DESKRIPTIVE STATISTIK ... 

alternativ: ANALYSIEREN / DESKRIPTIVE STATISTIKEN / HÄUFIGKEITEN 

‣ Unter „Variable(n)“ die Variablen 

auswählen, auf die die statistischen 

Funktionen angewendet werden 

sollen und unter „Optionen...“ die 

Funktionen selbst (beschreibende 

statistische Kennzahlen wie z.B. 

Mittelwert, Standardabweichung, etc.) 

festlegen. 




‣ Die Ergebnisse sind in einem neuen 

Fenster, der SPSS-Ausgabe, 

ersichtlich: 

‣ Am Ende der Analyse sollte 

nicht vergessen werden „Split 

File“ wieder zu deaktivieren: 

DATEN / DATEI AUFTEILEN / 

„Alle Fälle analysieren, keine 

Gruppen bilden“ 

Das gleiche Ergebnis (statistische Auswertung 

für einen Teil der Datensätze) kann auch 

folgendermaßen erzielt werden: 

‣ DATEN / FÄLLE AUSWÄHLEN … 

‣ Option „Falls Bedingung zutrifft“ wählen 

‣ Die Bedingung ist zu definieren 

(beispielsweise „bezirk=1“) 

‣ Unter „Ausgabe“ „nicht ausgewählte Fälle 

filtern“ wählen (ACHTUNG: es ist zu 

empfehlen, die übrigen Datensätze wenn 

überhaupt, erst in einem zweiten Schritt zu 

löschen, da dies nicht rückgängig gemacht 

werden kann!) 




‣ Neuerliches Ausführen von ANALYSIEREN / DESKRIPTIVE STATISTIKEN / 

DESKRIPTIVE STATISTIK ... 

‣ „Fälle auswählen“ wieder aufheben (Alle Fälle) - alternativ dazu kann auch die Filtervariable 

einfach in der Variablenansicht wieder gelöscht werden 

‣ Abspeichern nicht vergessen! 

3.8. Einfache Diagramme in SPSS 

Nach dem Abschluss von Berechnungs- und Analyseschritten ist es hilfreich und sinnvoll, die 

Daten grafisch darzustellen. Dadurch können die Ergebnisse aussagekräftig präsentiert werden. 

Welche Möglichkeiten SPSS hierzu bietet, soll im Folgenden kurz vorgestellt werden. 

HISTOGRAMM 

Das Histogramm dient der grafischen 

Darstellung von Häufigkeitsverteilungen. 

‣ DIAGRAMME / 

DIAGRAMMERSTELLUNG ... 

‣ Als Variable dient die Anteilsklasse der 

über 60-Jährigen 

‣ Unter „Auswählen aus:“ wird die 

Darstellungsform des Histogramms 

gewählt und mit der linken Maustaste in 

das Hauptfeld hinaufgezogen 

‣ Im Menü links die entsprechende Variable 

„ueber60_kl“ auswählen und in das 

Hauptfeld auf die x-Achse ziehen. 

‣ Das Histogramm wird in der SPSS- 

Ausgabe abgebildet. Einzelne Elemente 

wie Überschrift und Diagramm selbst 

können im Nachhinein auch mittels 

Doppelklick editiert werden. 

‣ Alternativ dazu kann unter DIAGRAMME / 

VERALTETE DIALOGFELDER / 

HISTOGRAMM ebenfalls ein Histogramm 

erstellt werden 




HÄUFIGKEITEN 

Mittels Häufigkeitsauszählungen können 

statistische Auswertungen und grafische 

Darstellungen zur Analyse von verschiedenen 

Variablentypen vorgenommen werden. 

‣ ANALYSIEREN / DESKRIPTIVE 

STATISTIKEN / HÄUFIGKEITEN … 

‣ Als Variable „Anteilsklassen der über 60- 

Jährigen“ wählen 

‣ Unter der Schaltfläche „Statistik“ können 

einfache statistische Auswertungen 

definiert werden. 

‣ Unter der Schaltfläche „Diagramme“ 

können (auch) an dieser Stelle 

Histogramme, Balken- oder Kreisdiagramme 

ausgewählt werden. 

‣ Als „Diagrammwerte“ werden Häufigkeiten 

und Prozentwerte unterschieden. 

‣ Die Darstellung erfolgt in der SPSS- 

Ausgabe. 




STREUDIAGRAMM (SCATTERPLOT) 

Scatterplots werden für die Darstellung des 

Zusammenhanges zwischen zwei Variablen 

verwendet. 

‣ DIAGRAMME / 

DIAGRAMMERSTELLUNG ... 

‣ Als Variablen dienen der Anteil der bis 

15-Jährigen (y-Achse) und der Anteil 

der über 60-Jährigen (x-Achse) 

‣ Unter „Auswählen aus:“ das Streu- 

/Punktdiagramm wählen und per 

Drag&Drop in das Hauptfeld ziehen 

‣ Im Menü links die entsprechenden 

Variablen auswählen und ebenfalls in 

das Hauptfeld auf die x- bzw. y-Achse 

ziehen. 

‣ Die Darstellung erfolgt wiederum im 

Output-Fenster von SPSS. 

‣ Alternativ dazu kann unter 

DIAGRAMME / VERALTETE 

DIALOGFELDER / STREU- 

/PUNKTDIAGRAMM / EINFACHES 

STREUDIAGRAMM ebenfalls ein 

Scatterplot erstellt werden. 

3.9. Abspeichern des Outputs 

Der Befehl „SPEICHERN UNTER“ im Daten-Editor 

speichert lediglich die Daten selbst. Wenn die 

SPSS-Ausgabe erhalten bleiben soll, muss diese 

separat abgespeichert werden! 

‣ Im Ausgabe-Fenster: 

DATEI / SPEICHERN UNTER ... 

Damit wird die Ausgabe als Viewer File (*.spo) 

gespeichert. Diese Datei kann jedoch nur in den 

SPSS-Viewer (Ausgabe) geladen werden. 




Einzelne Darstellungen können aber auch als 

Grafikdatei exportiert werden. 

‣ Im Ausgabe-Fenster: rechter Mausklick auf 

die Darstellung: EXPORTIEREN … 

‣ Unter „Typ“ die Option „Ohne (nur Graphiken)“ 

festgelegen. Danach kann im Grafikbereich 

mittels „Typ“ ein beliebiges Grafikformat 

ausgewählt werden. Ebenso kann die 

Diagrammgröße unter „Optionen“ verändert 

werden. 

‣ Die gesamte Ausgabe kann beispielsweise 

auch als Word- oder PDF-File gespeichert 

werden. 

3.10. Räumliche Aggregation von Datensätzen 

Für nachfolgende Analysen sind Auswertungen von Daten auf Baublockebene wenig 

aussagekräftig. Aus diesem Grund sollen die Datensätze auf Bezirksebene aggregiert werden. 

‣ DATEN / AGGREGIEREN ... 

‣ Als „Break Variable(n)“ wird die für die 

Aggregation abhängige Variable 

ausgewählt („bezirk“). 

‣ Im Feld „Aggregierte Variablen“ werden alle 

zu aggregierenden Variablen angeführt (alle 

Einwohnerdaten). 

‣ Mit der Schaltfläche „Funktion“ wird die 

auszuführende mathematische Funktion 

gewählt (Summe) 

‣ Via „Name & Label“ können die Variablen 

benannt werden: ansonsten ergänzt SPSS 

die Variablennamen automatisch mit „sum“. 

‣ Als Ergebnis der Aggregation soll eine neue 

Datei erstellt werden. Unter „Datei“ kann 

der entsprechende Pfad und Dateiname 

eingestellt werden. 

‣ Nun sollte eine neue Datei mit folgender 

Datenansicht vorhanden sein: 

‣ In der Variablenansicht die Dezimalstellen 

der neuen Variablen auf 0 setzen (falls 

nötig). Die Datei abspeichern und 

schließen. 




3.11. Zusammenfügen von Daten aus unterschiedlichen Quellen 

In diesem Schritt sollen Variablen aus verschiedenen Dateien zusammengefügt werden. Das File 

„matrix_wien.sav“ enthält für alle Baublöcke die Gehzeit zu den Stationen in der näheren 

Umgebung. Da die Stationen in diesem File nur über Nummern identifiziert sind, sollen die Namen 

zugewiesen werden. Diese sind im vorhin erzeugten File „stationen_wien.sav“ enthalten. Die 

Verknüpfung der beiden Files erfolgt über die Schlüsselvariable „station“. Beim Verschneiden 

müssen immer beide beteiligten Dateien nach der gemeinsamen Schlüsselvariable aufsteigend 

sortiert sein. 

‣ Öffnen der Datei „matrix_wien.sav“ 

‣ Sortieren nach der Schlüsselvariable 

„station“ über DATEN / FÄLLE 

SORTIEREN… 

‣ DATEN / DATEIEN ZUSAMMENFÜGEN / 

VARIABLEN HINZUFÜGEN … 

(„Variablen hinzufügen“ zum Hinzufügen von 

Daten in Spalten, „Fälle hinzufügen“ zum 

Hinzufügen von Daten in Zeilen) 

‣ Die Datei “stationen_wien.sav” wählen 

‣ Die Schlüsselvariablen („station“) mittels 

Doppelklick oder Schaltfläche „Pfeil“ aus der 

„Neuen Arbeitsdatei“ in den Bereich 

„Ausgeschlossene Variablen“ überführen. 

‣ Auch die nicht benötigten Variablen („bus“,…) in 

das Fenster „Ausgeschlossene Variablen“ 

übertragen. 

‣ „Fälle mittels Schlüsselvariablen verbinden” 

auswählen 

‣ Die Option „anderes Daten-Set ist 

Schlüsseltabelle“ setzen. Damit ist die Richtung 

der Verschneidung festgelegt. Die beiden 

exkludierten Schlüsselvariablen mit in das 

Feld „Schlüsselvariablen“ übertragen. 

HINWEIS: In diesem Fall sind die 

Schlüsselvariablen, über welche die beiden Dateien 

verbunden werden sollen, identisch benannt. Wäre 

dies nicht der Fall, müsste eine davon über die 

Schaltfläche „Umbenennen….“ umbenannt werden 

(siehe dazu auch Kap.4.2). 

Nach der „OK“-Bestätigung folgt eine Warnung, um 

auf das notwendige Sortieren hinzuweisen. Sollten 

die Dateien nicht entsprechend sortiert sein, muss 

der Vorgang an dieser Stelle abgebrochen, die 

Dateien entsprechend sortiert und der Vorgang des 

Verschneidens wiederholt werden. Folgender 

Datensatz wird dadurch erstellt: 

(Abspeichern nicht vergessen!) 




Auszug: Verschneiden von Dateien 

(Quelle: L.Riedl, Methoden der Standortbewertung, SS 2002, Übungsskriptum) 

Da das Zusammenführen von Dateien erfahrungsgemäß Schwierigkeiten bereitet, folgt anhand 

von zwei Beispiel-Dateien eine Zusammenfassung der Auswirkungen der Wahl der Option „Match 

cases on key variables in sorted files“ im Befehl „Data / Merge files / Add variables...“. 

ACHTUNG 

Beide Dateien müssen vor dem Zusammenführen 

nach der Schlüsselvariablen id 

aufsteigend sortiert sein! 

Working Data File (a) 

External Table (b) 

Option Resultat Erklärungen 

Die Datei wird um die Variable 

var_b und um zusätzliche 

Datensätze aus der externen 

Datei ergänzt 

(Zeile mit id = ‘C‘). 

ACHTUNG auf doppelte IDs 

(Zeilen 2 und 3 mit id=‘B‘) ! 

Die Datei wird um die Variable 

var_b für die mit der id-Variable 

des „Working Data File““ 

übereinstimmenden Datensätze 

ergänzt. 

Diese Funktionalität entspricht 

genau der Funktion SVERWEIS 

aus EXCEL 

Keine Änderung, bringt Fehler 

im Log aufgrund der beiden 

Zeilen mit id=‘B‘ 

In Fällen ohne dublizierter id- 

Variable wird die Datei um die 

Variable var_b für die mit der id- 

Variable des „External Table“ 

übereinstimmenden Datensätze 

ergänzt. 

HEURISTIK Die „längere“ der beiden Dateien ist meist die Arbeitsdatei, die „kleinere“ 

Datei meist der externe „keyed table“ („kleiner“ im Sinne von eindeutigen IDs). 

PRAKTISCH 

„AUFSPECKEN“: Wenn in der Arbeitsdatei nicht alle Datensätze aus einer Grundgesamtheit 

(z.B. einem bestimmten Gebietsstand) vorhanden sind, kann sie mit der Option Both files 

provide cases auf diese(n) ergänzt werden (auf Basis einer entsprechenden Referenzdatei). 

Auszug Ende 




3.12. Programmieren 

SPSS bietet die Möglichkeit statistische Auswertungen bzw. einzelne Arbeitsschritte in Form von 

SPSS-Syntax-Dateien abzulegen und somit prinzipiell wiederholbar (und nachvollziehbar) zu 

machen. 

SPSS-Befehle werden standardmäßig durch das Drücken des „OK-Buttons“ im jeweiligen 

Aktionsfenster ausgeführt. Damit werden programmintern bestimmte in der SPSS-Syntax 

strukturierte Befehle generiert und sofort auf die geöffnete Datei umgelegt. Durch das Drücken des 

„EINFÜGEN-Buttons“ anstelle des „OK-Buttons“ im Aktionsfenster werden die Befehle nicht 

ausgeführt, sondern in ein SPSS-Syntax-Fenster geschrieben. 

Falls noch kein solches Fenster geöffnet ist, wird 

automatisch eines erzeugt. Die SPSS-Befehle 

werden erst dann ausgeführt, wenn sie im Syntax- 

Fenster markiert worden sind und der 

entsprechende Menüpunkt gewählt bzw. die 

Schaltfläche „Ausführen“ gedrückt wird. 

Der Inhalt eines solchen Syntax-Fensters kann vom Benutzer verändert, als „*.sps“-Datei 

abgespeichert und wieder geladen werden. Die Vorteile des Arbeitens mit dem SPSS-Syntax- 

Fenster bestehen im Wesentlichen darin, dass ähnliche Auswertungen oder Umkodierungen öfter 

durchgeführt werden können, ohne die gesamte Befehlsfolge noch einmal einzugeben. Dafür 

müssen nur Teile des Programms oder bestimmte Variablennamen geändert werden. SPSS- 

Befehle können direkt in das Syntax Fenster geschrieben oder durch Kopieren anderer SPSS- 

Programmteile eingefügt werden. 

Beispiel zur Anwendung der Programmiermöglichkeit mit SPSS: 

Sortieren des Datensatzes nach der Gesamteinwohnerzahl des Bezirks 

‣ DATEN / FÄLLE SORTIEREN / … 

‣ EINFÜGEN 

‣ Im Syntax-Fenster wird die gesamte 

Befehlszeile markiert und mittels der 

Schaltfläche „AKTUELLEN BEFEHL 

AUSFÜHREN“ aktiviert 

‣ Wiederholen des Arbeitsschrittes für eine 

beliebig andere Variable: den Befehl im 

Syntax-Fenster kopieren, überschreiben und 

ausführen. 




4. SPSS ANWENDUNG ZUR ANALYSE DER ÖV-ERREICHBARKEIT 

Die in den vorangegangenen Punkten beschriebenen SPSS Funktionen werden nun für ein 

praktisches Beispiel mit Raumplanungsbezug angewandt. Mit den vorhandenen Datensätzen 

sollen Analysen zur Erreichbarkeit von Wiener Stadtgebieten im Öffentlichen Verkehr (ÖV) und zur 

Versorgungsqualität der Einwohner erstellt und interpretiert werden. 

4.1. Abgrenzung des Untersuchungsgebietes 

Für die Analyse der Erreichbarkeit von ÖV-Stationen sind nicht nur die Stationen in 

Untersuchungsregion selbst, sondern auch Stationen in der näheren Umgebung relevant, da vor 

allem die Randgebiete von Stationen außerhalb der Region versorgt werden. Folglich müssen alle 

Stationen, die in einer bestimmten zeitlichen Entfernung von den Baublöcken des Bezirks liegen, 

berücksichtigt werden: 

Baublöcke 

des Bezirkes 

für den 

Bezirk 

relevante 

Stationen 

Im folgenden Abschnitt werden daher die für den ersten Bezirk relevanten Stationen selektiert. 

4.2. Auswahl der für den Bezirk relevanten Stationen 

In einem ersten Schritt sind jene Relationen aus der KW-Matrix zu selektieren, die von einem 

Baublock des ersten Bezirks ausgehen und maximal 10 Minuten (= 600 Sekunden) betragen. 

‣ „matrix_wien.sav“ über DATEI / ÖFFEN / DATEN öffnen 

‣ Relationen von Baublöcken des ersten 

Bezirks über DATEN / FÄLLE 

AUSWÄHLEN selektieren: „falls 

Bedingung zutrifft” / falls (block > 

1000000) & (block < 2000000) / “nicht 

ausgewählte Fälle löschen” 




‣ Relationen zu Stationen mit maximal 10 Minuten über DATEN / FÄLLE AUSWÄHLEN 

selektieren: „falls Bedingung zutrifft” / falls (zeit



‣ Im File „stationen_bez1.sav“ Stationen über DATEN / FÄLLE SORTIEREN… nach ihrer 

Stationsnummer aufsteigend sortieren 

‣ über DATEN / DATEIEN ZUSAMMENFÜGEN / 

VARIABLEN HINZUFÜGEN die Variablen aus 

dem File “stationen_wien.sav” anhängen: 

„Fälle mittels Schlüsselvariablen 

verbinden“ anhaken, “anderes Datenblatt ist 

Schlüsseltabelle” auswählen, Variable 

“station”, die wegen ihres Vorkommens in 

beiden Files im Fenster “ausgeschlossene 

Variablen” steht, von dort in das Fenster 

„Schlüsselvariablen“ übertragen 

‣ das File über DATEI / SPEICHERN abspeichern 

Als erstes Ergebnis der Berechnungen haben wir nun eine Liste jener ÖV-Stationen ermittelt, die 

für die Erschließungsqualität der Baublöcke des ersten Bezirks relevant sind. Diese sollte in etwa 

folgendes Aussehen haben: 

Für alle ausgewählten Stationen sind somit Namen sowie die Zahl und die Art der dort haltenden 

Linien bekannt. Die weiteren stationsbezogenen Analysen sind anhand dieser Informationen 

durchzuführen. 

4.3. Reduktion der KW-Matrix 

Um die Größe der KW-Matrix zu verringern, werden nur die Relationen zu den selektierten 

Stationen berücksichtigt: 

‣ „matrix_wien.sav“ über DATEI / ÖFFNEN / DATEN… öffnen 

‣ Relationen über DATEN / FÄLLE SORTIEREN... nach der Stationsnummer aufsteigend 

sortieren 

‣ über DATEN / DATEN HINZUFÜGEN / VARIABLEN HINZUFÜGEN die ausgewählten 

Stationen aus dem File “stationen_bez1.sav” über die key variable „station“ anhängen 

‣ Relationen zu ausgewählten Stationen über DATEN / FÄLLE AUSWÄHLEN selektieren: 

if (~missing (bus) ) 

‣ Relationen über DATEN / FÄLLE SORTIEREN nach der Baublocknummer und der 

Stationsnummer aufsteigend sortieren 




‣ Variablen mit den Attributinformationen zu den Stationen (Name, Zahl der Linien) 

löschen 

‣ über DATEI / SPEICHERN UNTER… als SPSS-file unter dem Namen „matrix_bez1.sav“ 

abspeichern 

Das Ergebnis ist eine Matrix mit den Zugangszeiten von verschiedenen Baublöcken (innerhalb und 

außerhalb des Bezirks) zu den für den 1.Bezirk relevanten ÖV-Stationen, die ungefähr folgendes 

Aussehen haben sollte: 

Da die Ausgangsmatrix nicht alle Beziehungen von jedem Baublock zu jeder Station enthält, 

sondern nur alle mit Zugangszeiten von maximal 30 Minuten, liegen die Baublöcke, die darin 

vorkommen, maximal 40 (10+30) Minuten von den Baublöcken des Bezirks entfernt. 




5. ANALYSE DER ERREICHBARKEIT VON ÖV-STATIONEN 

Für die Analyse der Erreichbarkeit von ÖV-Stationen im ersten Bezirk werden die folgenden in 

Kapitel 4 erzeugten Files verwendet: 

 

 

 

„stationen_bez1.sav“: Namen und Zahl der Linien der für den 1.Bezirk relevanten ÖV- 

Stationen 

„matrix_bez1.sav“: Zugangszeiten von Baublöcken (innerhalb und außerhalb des Bezirks) 

zu den für den 1.Bezirk relevanten ÖV-Stationen 

„bev97_alter.sav“: Wohnbevölkerung der Wiener Baublöcke nach 3 Altersgruppen 

5.1. Bewertung der ÖV-Stationen 

Für die Untersuchung der Erschließung einer Region mit öffentlichen Verkehrmitteln ist es 

notwendig, die ÖV-Stationen differenziert zu betrachten: So kann eine Station, an der jede halbe 

Stunde ein Bus hält, nicht gleichwertig neben einen hochrangigen Verkehrsknotenpunkt, an dem 

mehrere U- und Straßenbahnen zusammentreffen, gestellt werden. Folglich ist es notwendig, die 

Stationen nach der Zahl und der Art der dort haltenden Verkehrsmittel zu bewerten und zu 

klassifizieren. Das oben erzeugte File „stationen_bez1.sav“ enthält für die zu untersuchenden 

Stationen neben dem Namen auch die Zahl der dort haltenden U-, S-, Straßenbahn- und Buslinien. 

Zunächst sollen die S- und U-Bahnstationen gesondert ausgewiesen werden. Dazu wird eine 0/1- 

Variable berechnet, die nur angibt, ob es sich um eine S- oder U-Bahnstation handelt oder nicht: 

‣ „stationen_bez1.sav“über DATEI / ÖFFNEN / DATEN öffnen 

‣ neue Variable „u_s“ über TRANSFORMIEREN / VARIABLE BERECHNEN erstellen: u_s 

= 0 

‣ Variable „u_s“ über TRANSFORMIEREN / VARIABLE BERECHNEN neu berechnen: u_s 

= 1: „falls“ / „Fall einschließen, wenn Bedingung erfüllt ist” / (sbahn > 0 | ubahn > 0) 

Aus diesen Informationen lassen sich die Stationen aber auch differenzierter klassifizieren. So 

kann soll etwa die „Wertigkeit“ der Stationen definiert und berechnet werden. Dazu sind zunächst 

die vier unterschiedenen Typen von Verkehrsmitteln nach ihrer Bedeutung für die 

Erschließungsqualität der Bevölkerung zu bewerten, wobei die Kriterien Geschwindigkeit, 

Frequenz und Reichweite berücksichtigt werden sollten. So könnten etwa Buslinien als 

niedrigstrangiges Verkehrsmittel mit 1, Straßen-, U- und S-Bahnen entsprechend höher gewichtet 

werden. Die Wertigkeit einer Station ergibt sich dann aus der Summe der nach ihrer Bedeutung 

gewichteten Verkehrsmittel, die diese Station anfahren. 

‣ Wertigkeiten der Stationen über TRANSFORMIEREN / VARIABLE BERECHNEN 

berechnen: Wert = Zahl der U-Bahnen x Gewicht der U-Bahnen + Zahl der S-Bahnen x 

Gewicht der S-Bahnen + … 

Nach dieser Wertigkeiten können die Stationen nun in „hochrangige“ und „nicht-hochrangige“ 

Stationen eingeteilt werden. Dazu sind die Stationen nach ihrer Wertigkeit absteigend zu sortieren, 

um einen entsprechenden Grenzwert für die Festlegung der hochrangigen Stationen festlegen zu 

können. Der Grenzwert sollte so gewählt werden, dass etwa 5 bis 10 Stationen als „hochrangig“ 

klassifiziert werden. Die Berechnung der 0/1-Variable „hoch“ erfolgt analog zur Berechnung der 

Variablen „u_s“ und soll hier nicht im Detail dargestellt werden. Das File enthält nun verschiedene 

Bewertungen und Klassifikationen der für den betrachteten Bezirk relevanten ÖV-Stationen und 

sollte etwa folgendes Aussehen haben: 




Vor dem Speichern sollte das File wieder nach der Variablen „station“ aufsteigend sortiert werden, 

da es später über diese Variable an andere Files angehängt wird (mergen). Zusätzlich sollte das 

File auch gleich im dBase-Format gespeichert werden, um die Werte später in ArcView 3.2 

kartographisch darstellen zu können (siehe Einheit 2). 

5.2. Einzugsbereiche der ÖV-Stationen 

Für die Analyse der Effizienz der ÖV-Erschließung ist es notwendig, dem Angebot an öffentlichen 

Verkehrsmitteln an einer Station (das über die zuvor berechnete „Wertigkeit“ beschrieben wird) die 

potentielle Nachfrage gegenüberzustellen. Diese kann durch die Anzahl der in einer bestimmten 

Entfernung von der Station wohnenden Menschen beschrieben werden, wobei die 

demographische Struktur (Geschlecht, Altersgruppen, Bildungsgrad,…) in diesem Einzugsbereich 

durchaus von Bedeutung sein kann. Folglich sollten die Einwohner im Einzugsbereich nach 

Altersgruppen differenziert werden. Zur Berechnung solcher Einzugsbereiche müssen den 

Baublöcken in der KW-Matrix die verfügbaren Bevölkerungsdaten zugewiesen werden. Dabei ist 

jedoch zu beachten, dass Schlüsselvariable in der Matrix anders heißt als in der Schlüsseltabelle 

“bev97_alter.sav”, aus der die Bevölkerungsdaten zugeordnet werden sollen. Da die 

Umbenennung einer der beiden Variablen im Fenster „Variablen zusammenhängen“ Probleme 

verursachen kann (siehe diesbezügliche Erläuterungen in Kapitel 4.2), ist es sinnvoll, den 

Variablennamen in der Schlüsseltabelle “bev97_alter.sav” noch vor der Verschneidung der beiden 

Files zu verändern. Wie bereits erwähnt, muss diese Veränderung nicht abgespeichert werden, um 

bei der Verschneidung wirksam zu sein. 

‣ „matrix_bez1.sav“ über DATEI / ÖFFNEN / DATEN öffnen 

‣ „bev97_alter.sav“ über DATEI / ÖFFNEN / DATEN öffnen 

‣ Variable „bb“ im File „bev97_alter.sav“ in ”block” umbenennen 

Danach kann die Verschneidung der beiden Files beginnen: 

‣ Das Fenster mit dem File „matrix_bez1.sav“ anklicken 

‣ Relationen über DATEN / FÄLLE SORTIEREN nach dem Baublock aufsteigend sortieren 

‣ über DATEN / DATEIEN ZUSAMMENFÜGEN / VARIABLEN HINZUFÜGEN die 

Bevölkerungsdaten der Baublöcke aus dem File “bev97_alter.sav” über die 

Schlüsselvariable „block“ (aus dem Fenster „ausgeschlossene Variablen“ in das 

Fenster „Schlüsselvariablen“ übertragen) mit dem Befehl “anderes Datenblatt ist 

Schlüsseltabelle” anhängen 




Da das File mit den Bevölkerungsdaten nicht alle, sondern nur jene Baublöcke enthält, in denen 

auch tatsächlich Leute wohnen (siehe Datendokumentation in Abschnitt 2.5), werden manchen 

Baublöcken nun fehlende Werte („missing values“, werden in der Datenansicht als Punkte 

dargestellt) zugewiesen, was die weiteren Berechnungen jedoch nicht stört. 

Nun kann der Einzugsbereich der Stationen (etwa 3, 5 oder 10 Minuten) festgelegt werden. Dieser 

sollte in diesem Beispiel nicht über 10 Minuten liegen, da entsprechend der Abgrenzung des 

Untersuchungsgebietes in Abschnitt Fehler! Verweisquelle konnte nicht gefunden werden. in 

der Matrix nur Gebiete enthalten sind, die innerhalb dieser Schranke liegen. 

‣ Relationen innerhalb der gewählten Zeitschranke über DATEN / FÄLLE AUSWÄHLEN 

selektieren: falls (zeit



Das File enthält nun die Zahl der Einwohner (insgesamt und nach den drei Altersgruppen), die 

innerhalb der gewählten Zeitschranke wohnen und sollte etwa folgendermaßen aussehen: 

5.3. Erreichbarkeit von ÖV-Stationen 

Die Erreichbarkeit von ÖV-Stationen ist ein wesentlicher Faktor der Standortqualität und hat 

großen Einfluss auf die Lebensqualität der dort lebenden Menschen. Obwohl im städtischen 

Gebiet die Gehzeit zur nächsten ÖV-Station meist nur wenige Minuten beträgt, sind diesbezüglich 

doch erhebliche Unterschiede festzustellen. Die Ermittlung der Gehzeit zur nächsten ÖV-Station 

erfolgt durch die Aggregation nach Baublöcken: 

‣ „matrix_bez1.sav“ über DATEI / ÖFFNEN / 

DATEN… öffnen 

‣ die minimale Gehzeit über DATEN / 

AGGREGIEREN mit der Break-Variable 

„block“ und der aggregierten Variable 

„zeit“ mit der Funktion „Minimum“ 

berechnen 

‣ das Aggregationsfile unter „Datei“ sinnvoll 

benennen (z.B. „gehzeit_station_bez1.sav“) 




Schließlich werden nur die Baublöcke des untersuchten Bezirks selektiert: 

‣ das Aggregationsfile „gehzeit_station_bez1.sav“ öffnen 

‣ Baublöcke des ersten Bezirks über DATEN / FÄLLE AUSWÄHLEN selektieren: falls 

(block > 1000000) & (block < 2000000) 

‣ über DATEI / SPEICHERN UNTER… im SPSS- und im dBase-Format abspeichern 

Diese Art der Berechnung erlaubt zwar die Ermittlung der minimalen Zugangszeit zur 

nächstgelegenen Station, doch bleibt die Frage, um welche Station es sich dabei handelt, 

unbeantwortet. Um diese zusätzliche Information, die bei der Aggregation verloren geht, zu 

erhalten, muss eine andere Vorgangsweise gewählt werden: Dabei werden zunächst für jeden 

Baublock die Stationen nach der jeweiligen Zugangszeit gereiht und dann die Relation mit der 

geringsten Zeit selektiert: 

‣ „matrix_bez1.sav“ über DATEI / 

ÖFFNEN / DATEN… öffnen 

‣ Ränge gemäß der jeweiligen Gehzeit 

nach Baublöcken über TRANSFORM- 

IEREN / RANGFOLGE BILDEN zuweisen 

‣ Relationen mit Rangziffer „1“ über DATEN / FÄLLE AUSWÄHLEN… selektieren 

Bei dieser Art der Berechnung tritt dann ein Problem auf, wenn zwei oder mehrere Stationen gleich 

weit von einem Baublock entfernt liegen. Da in diesem Fall beiden (oder mehreren) Relationen die 

Rangziffer „1“ zugewiesen wird, bleiben diese auch bei der Selektion übrig. Die Überprüfung, ob es 

Baublöcke mit mehreren gleich weit entfernten Stationen gibt, erfolgt folgendermaßen: 

‣ DATEN / DOPPELTE FÄLLE 

ERMITTELN... 

‣ „übereinstimmende Fälle definieren 

durch“ die Variable „block“ 

Im Ausgabefenster erscheint nun eine 

Zusammenfassung, wie viele einfache und 

doppelte Fälle gefunden wurden. Doppelte Fälle 

werden in der Datenansicht an den Beginn des 

Files gestellt und können gelöscht werden. 

Zudem wird eine neue Variable „PrimaryLast“ 

erstellt, die für jeden Fall angibt, ob es sich um 

einen doppelten Fall handelt oder nicht. Diese 

Variable kann nach der Elimination der 

doppelten Fälle ebenfalls gelöscht werden. 

Nach dem Löschen von allfälligen Doppel- oder Mehrfachrelationen kann das File mit der Gehzeit 

zur nächsten Station nun gespeichert werden: 




‣ Variable „rzeit“ löschen (die Variable „station“ wird zwar nicht mehr benötigt, sollte 

aber zur späteren Kontrolle der Ergebnisse aufgehoben werden) 

‣ über DATEI / SPEICHERN UNTER.. im SPSS- und im dBase-Format unter dem Namen 

„gehzeit_station_bez1.sav“ (bzw. „.dbf“) abspeichern 

Da die Station jedoch unterschiedliche Wertigkeiten haben, erscheint es sinnvoll, nicht alle 

Stationen gleichwertig zu betrachten, sondern die Gehzeit zu bestimmten (vor allem 

höherrangigen) Knotenpunkten zu berechnen. Zu diesem Zweck müssen lediglich die betrachteten 

Stationstypen (z.B. U- oder S-Bahnstation, „hochrangige“ Station nach eurer Definition,…) in der 

Matrix selektiert werden. Die Ermittlung der Gehzeit zur nächsten dieser ausgewählten Stationen 

erfolgt dann in analoger Weise und soll hier nicht ausgeführt werden. 

5.4. Erschließungsqualität der Baublöcke 

Neben der Gehzeit zur nächsten ÖV-Station sind auch die Menge und Vielfalt des Angebotes an 

öffentlichen Verkehrsmitteln für die Standortqualität von Bedeutung. Dieses Angebot lässt sich am 

einfachsten durch die Zahl der ÖV-Stationen in einer definierten Umgebung eines Standortes 

quantifizieren. Zu diesem Zweck werden alle Relationen, die sich innerhalb einer bestimmten 

Zeitschranke (etwa 3 oder 5 Minuten) befinden, selektiert, deren Anzahl nach Baublöcken ermittelt 

und schließlich die Baublöcke des untersuchten Bezirks selektiert: 

‣ „matrix_bez1.sav“ über DATEI / ÖFFNEN 

/ DATEN… öffnen 

‣ Relationen innerhalb der gewählten 

Zeitschranke über DATEN / FÄLLE 

AUSWÄHLEN selektieren: falls (zeit 

1000000) & (block < 2000000) 

‣ über FILE / SAVE AS im SPSS- und im dBase-Format abspeichern 

Um die unterschiedliche Wertigkeit der Station zu berücksichtigen, wird in einem weiteren Schritt 

nicht die Anzahl, sondern die Summe der Wertigkeiten der Stationen, die innerhalb einer 

definierten Zeitschranke vom Baublock entfernt liegen, ermittelt. Diese „Erschließungsqualität“ 

bildet in komplexerer Weise das Angebot an öffentlichen Verkehrsmitteln in der unmittelbaren 

Umgebung eines Baublocks ab, weil die Stationen nach Zahl und Art der dort haltenden Linien 

gewichtet werden. Zu diesem Zweck müssen zunächst die Wertigkeiten aus dem File 

„stationen_bez1.sav“ den Stationen in der KW-Matrix zugeordnet und die Relationen innerhalb 

einer bestimmten Zeitschranke selektiert werden. 

‣ „matrix_bez1.sav“ über DATEI / ÖFFNEN / DATEN…öffnen 




‣ Relationen über DATEN / FÄLLE SORTIEREN nach der Stationsnummer aufsteigend 

sortieren 

‣ über DATEN / DATEIEN ZUSAMMENFÜGEN / VARIABLEN HINZUFÜGEN die Wertigkeit 

der Stationen aus dem File “stationen_bez1.sav” über die Schlüsselvariable „station“ 

anhängen (alle anderen Variablen ausschließen!) 

‣ Relationen innerhalb der gewählten Zeitschranke über DATEN / FÄLLE AUSWÄHLEN 

selektieren: falls (zeit 1000000) & (block < 2000000) 

‣ über DATEI / SPEICHERN UNTER… im SPSS- und im dBase-Format abspeichern 

5.5. Versorgung der Bevölkerung mit ÖV-Stationen 

Um die Versorgung der Bevölkerung mit ÖV-Stationen für den gesamten Untersuchungsbezirk 

analysieren zu können, wird zunächst die maximale, die minimale und die durchschnittliche 

Gehzeit der Bezirksbewohner zur nächsten ÖV-Station ermittelt werden. Dafür muss für jeden 

Baublock die Gehzeit zur nächstgelegenen Station bekannt sein. Diese wurde bereits in Abschnitt 

5.3 berechnet und unter dem Namen „gehzeit_station_bez1.sav“ abgespeichert. Das Minimum und 

das Maximum kann relativ einfach ermittelt werden: 

‣ „gehzeit_station_bez1.sav“ über DATEI / ÖFFNEN / DATEN… öffnen 

‣ maximale und minimale Zugangszeit aller Baublöcke über ANALYSIEREN / 

DESKRIPTIVE STATISTIKEN / HÄUFIGKEITEN ermitteln (siehe Abbildung) 

Etwas schwieriger ist die Berechnung der durchschnittlichen Gehzeit eines Bezirksbewohners, da 

bei einer einfachen Mittelwertberechnung die unterschiedliche Anzahl der Bewohner der einzelnen 

Baublöcke nicht berücksichtigt werden würde. Folglich muss zunächst die Zahl der jeweils 

betroffenen Bevölkerung in den einzelnen Baublöcken hinzugefügt werden: 

‣ Relationen über DATEN / FÄLLE SORTIEREN nach dem Baublock aufsteigend sortieren 

‣ über DATEN / DATEIEN ZUSAMMENFÜGEN / VARIABLEN HINZUFÜGEN die 

Bevölkerungsdaten der Baublöcke aus dem oben berechneten File “bev97alter.sav” 

über die Schlüsselvariable „block“ anhängen 




Für die Berechnung eines gewichteten Mittelwerts müssen die Gehzeiten mit der Zahl der 

betroffenen Bevölkerung multipliziert, über alle Baublöcke addiert und schließlich durch die 

Gesamtbevölkerung des Bezirks dividiert werden: 

‣ das Produkt aus Einwohnern und Gehzeit über TRANSFORMIEREN / VARIABLE 

BERECHNEN… berechnen: „ew_zeit“ = „ew_sum“ * „zeit“ 

‣ Summe der Bevölkerung und des Produktes der einzelnen Blocknummern über 

ANALYSIEREN / DESKRIPTIVE STATISTIKEN / HÄUFIGKEITEN ermitteln (siehe 

Abbildung) 

‣ Quotienten aus der Produktsumme und der Bevölkerungssumme außerhalb von SPSS 

(z.B. Taschenrechner, EXCEL) berechnen 

Diese Berechnung kann auch für die drei Altersgruppen getrennt durchgeführt werden. Das 

Ergebnis gibt einen Hinweis darauf, ob innerhalb des Bezirks altersspezifische Unterschiede 

hinsichtlich der Gehzeit zur nächsten ÖV-Station existieren. 

Da die minimale, die maximale und die durchschnittliche Zugangszeit zur nächsten ÖV-Station nur 

sehr beschränkte Aussagekraft haben, wird in einem nächsten Schritt die Wohnbevölkerung des 

Bezirks nach ihrer Zugangszeit in Klassen eingeteilt. Bei der Festlegung der Zeitklassen ist darauf 

zu achten, dass die Klassengrenzen ganzzahlig sind (z.B. 3 bis 5 Minuten etc.) und alle Klassen 

eine relevante Menge von Einwohnern enthalten (z.B. ist es nicht sinnvoll, die Werte über 10 

Minuten weiter zu unterteilen, wenn ohnehin nur wenige Personen über dieser Grenze liegen). 

Eine sinnvolle Klasseneinteilung lässt sich daher oft nur in einem Versuch-und-Irrtum-Prozess 

durch Ausprobieren verschiedener Varianten finden. 

Im vorliegenden Beispiel sind die Klassengrenzen für die Zugangszeit zur nächsten ÖV-Station 

folgendermaßen festgelegt: 0 bis 2 Minuten, 2 bis 4 Minuten, 4 bis 6 Minuten, 6 bis 8 Minuten und 

über 8 Minuten. Zunächst werden die einzelnen Baublöcke diesen Zeitklassen folgendermaßen 

zugeordnet: 

‣ Neue Variable „zeit_kl“ über TRANSFORMIEREN / UMKODIEREN IN ANDERE 

VARIABLE definieren. Unter „alte und neue Werte“ für jede gewünschte Klasse die 

Zeitgrenzen festlegen („alter Wert“), eine Klassennummer zuweisen („neuer Wert“) und 

durch „Hinzufügen“ fixieren 




In einem nächsten Schritt kann nun die Wohnbevölkerung der Baublöcke nach den definierten 

Zeitklassen summiert werden: 

‣ Summe der Wohnbevölkerung nach Zeitklassen über DATEN / AGGREGIEREN 

berechnen: „zeit_kl“ als Break-Variable, „ew_sum“ als aggregierte Variable (unter 

„Funktion“ „Summe“ auswählen!), Aggregationsfile benennen (z.B. „bev nach 

zeitklassen.sav“) 

Diese Analyse kann auch für die drei Altersgruppen getrennt durchgeführt werden, indem nicht nur 

die Summe der Wohnbevölkerung, sondern auch die Zahl der Einwohner in den drei Altersgruppen 

summiert wird (siehe Abbildung oben). Das Ergebnis ist eine Matrix (sie Abbildung), in der die 

Wohnbevölkerung des Bezirks nach Klassen ihrer Zugangszeit zur nächsten ÖV-Station und nach 

Altersgruppen differenziert ist. Eine Gegenüberstellung dieser Werte zeigt, welche Altersgruppen 

in Bezug auf die Gehzeit zur nächsten ÖV-Station privilegiert oder benachteiligt sind. 

Die gleiche Analyse kann auch auf ausgewählte Stationen (hochrangige Stationen, U- oder S- 

Bahn-Stationen,…) beschränkt werden. Dabei muss statt dem File „zeit_stationen_bez1.sav“, das 

für jeden Baublock die jeweils nächste aller ÖV-Stationen angibt, jenes File gewählt werden, das 

sich auf den gewählten Stationstyp beschränkt (siehe Abschnitt 5.3). Die übrigen Berechnungen 

erfolgen in gleicher Weise. 




6. AUFGABENSTELLUNG 

Anmerkung: Die aufgelisteten Fragen sind nur Vorschläge für mögliche Analysen und definieren 

lediglich die Mindestanforderung. Ihrer Phantasie und Kreativität wollen wir hier keinesfalls 

Grenzen setzen! Als erster Arbeitsschritt sind die für den gewählten Bezirk relevanten Daten 

gemäß den Erläuterungen in Kapitel 3 zu selektieren und als Ausgangsdaten der 

Erreichbarkeitsanalyse entsprechend abzuspeichern. Dies umfasst folgende Files: 

Liste aller für den gewählten Bezirk relevanten ÖV-Stationen mit Namen sowie Art und 

Anzahl der dort haltenden Linien 

Matrix mit den Zugangszeiten von allen Baublöcken (im Bezirk und in dessen Umgebung) zu 

den für den untersuchten Bezirk relevanten ÖV-Stationen 

Bevölkerungsdaten der Baublöcke Wiens (Zusammenfassung zu 3-5 Altersgruppen) 

Anhand dieser Daten sind für den gewählten Bezirk die folgenden Berechnungen durchzuführen: 

(1) Für alle Stationen: 

„Wertigkeit“ der Stationen z.B. durch Summierung von gewichteten Linientypen 

(Gewichtungen bitte sinnvoll überlegen!) 

Festlegung von „hochrangigen“ ÖV-Stationen nach deren „Wertigkeit“ (verlangt die 

Festlegung eines sinnvollen Schwellenwertes!) 

„Einzugsbereich“ der Stationen (Zahl der Einwohner innerhalb einer zu definierenden 

Gehzeit): insgesamt und nach Altersgruppen differenziert 

(2) Für alle Baublöcke: 

Gehzeit zur nächsten ÖV-Station 

Gehzeit zur nächsten „hochrangigen“ ÖV-Station 

Anzahl der „hochrangigen“ und „nicht-hochrangigen“ (entsprechend der obigen Definition) 

Stationen innerhalb einer zu definierenden Gehzeit (z.B. 5 oder 10 Gehminuten) 

„Erschließungsqualität“: Summe der „Wertigkeiten“ aller Stationen innerhalb einer zu 

definierenden Gehzeit (z.B. 5 oder 10 Gehminuten) 

(3) Für alle Zählgebiete: 

Durchschnittliche Anzahl der „hochrangigen“ und „nicht-hochrangigen“ Stationen innerhalb 

der oben definierten Gehzeit (Hinweis: Räumliche Aggregation der entsprechenden 

Baublockwerte: Die Codes der Zählgebiete sind die ersten 5 Stellen der 8-stelligen 

Baublockcodes.) 

(4) Für den gesamten Bezirk: 

Wie ist die längste, wie die kürzeste Gehzeit zur nächsten ÖV-Station im Bezirk? Wie lange 

geht ein Bewohner des Bezirkes im Durchschnitt zur nächsten ÖV-Station (gewichteter 

Mittelwert)? 

Bilden Sie 4 oder 5 (sinnvolle!) Klassen von Gehzeiten zur nächsten ÖV-Station (z.B. bis 3 

Minuten, 3 bis 5 Minuten, …)! Wie verteilen sich die Bezirksbewohner insgesamt und nach 

Altergruppen auf diese Klassen? 

Bilden Sie 4 oder 5 (sinnvolle!) Klassen von Gehzeiten zur nächsten hochrangigen Station! 

Wie verteilen sich die Bezirksbewohner insgesamt und nach Altergruppen auf diese 

Klassen?

Einfache räumliche Analysen - Fachbereich Stadt- und ...

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?