Dein Ergebnis ist signifikant — und dann kommt im Kolloquium die Frage, die dich unvorbereitet trifft: „Und wie groß ist der Effekt?“ Der p-Wert beantwortet sie nicht. Er sagt nur, wie unwahrscheinlich deine Daten unter der Nullhypothese wären, und er hängt massiv von deiner Stichprobengröße ab. Die Frage nach der Größe beantwortet ein zweiter Kennwert: die Effektstärke.
Dieser Beitrag klärt drei Dinge, die in Abschlussarbeiten regelmäßig durcheinandergeraten: welches Effektstärkemaß zu deinem Design gehört, wie du es berechnest oder umrechnest, wenn deine Software es nicht ausgibt, und wie du es so berichtest und interpretierst, dass es einer kritischen Nachfrage standhält. Wenn deine Ergebnisse dagegen gar nicht signifikant geworden sind, ist das ein anderes Problem mit einer eigenen Antwort — die findest du im Beitrag dazu, was zu tun ist, wenn die Ergebnisse nicht signifikant sind.
Warum Effektstärken überhaupt verlangt werden
Ein p-Wert ist eine Aussage über Evidenz gegen die Nullhypothese, keine Aussage über Relevanz. Verdopple deine Stichprobe, und derselbe winzige Unterschied wird irgendwann signifikant. Genau deshalb verlangen Prüfungsordnungen, Zeitschriften und Betreuungspersonen zusätzlich ein standardisiertes Maß dafür, wie stark der Zusammenhang oder der Unterschied ist.
Daniël Lakens bringt in seinem viel zitierten Primer (Lakens, 2013, Frontiers in Psychology, 4:863) einen zweiten, für dich noch wichtigeren Grund: Effektstärken sind vor allem deshalb nützlich, weil sie kumulative Wissenschaft ermöglichen. Sie lassen sich über Studien hinweg vergleichen, auch wenn die abhängige Variable unterschiedlich gemessen wurde — etwa auf einer siebenstufigen Skala in der einen und einer neunstufigen in der anderen Studie. Und sie sind die Grundlage für die Fallzahlplanung der nächsten Untersuchung.
Für deine Arbeit heißt das: Die Effektstärke ist nicht die Pflichtzahl hinter dem p-Wert. Sie ist der Wert, mit dem dein Ergebnis überhaupt anschlussfähig wird an die Literatur, die du im Theorieteil referiert hast.
Die zwei Familien: d und r
Fast alle Effektstärkemaße, die dir in einer Abschlussarbeit begegnen, gehören zu einer von zwei Familien.
Die d-Familie: standardisierte Mittelwertsunterschiede
Cohens d beschreibt den standardisierten Mittelwertsunterschied eines Effekts: die Differenz zweier Mittelwerte, geteilt durch eine Standardabweichung. Ein d von 0,5 heißt also: Die Gruppen unterscheiden sich um eine halbe Standardabweichung. Genau diese Standardisierung ist es, die den Vergleich über unterschiedliche Messinstrumente hinweg erlaubt.
Zwei nahe Verwandte solltest du kennen:
- Hedges‘ g ist die Korrektur von Cohens d für die systematische Überschätzung in kleinen Stichproben. Lakens beschreibt das ausdrücklich so: In der d-Familie heißt die Bias-Korrektur Hedges‘ g. Bei den Stichprobengrößen einer typischen Bachelorarbeit ist das kein Detail, sondern der Regelfall — berichte im Zweifel g.
- Glass‘ Δ ist angezeigt, wenn sich die Standardabweichungen zwischen den Bedingungen deutlich unterscheiden. Dann ist es sinnvoller, nur mit der Standardabweichung der Kontrollgruppe zu standardisieren.
Praktisch wichtig: Solange du die Teilnehmerzahl je Bedingung und den t-Wert berichtest, lassen sich Cohens d und Hedges‘ g nachträglich berechnen — von dir und von jeder Person, die deine Arbeit liest. Das ist der Mindeststandard an Transparenz im Ergebnisteil.
Die r-Familie: erklärte Varianzanteile
Die zweite Familie beantwortet eine andere Frage: Welchen Anteil der Varianz erklärt mein Effekt? Hierher gehören der Korrelationskoeffizient r und, bei Varianzanalysen, Eta-Quadrat (η²) beziehungsweise partielles Eta-Quadrat (η²p).
Auch hier gibt es eine Bias-Korrektur, und auch sie wird selten berichtet: In der r-Familie heißt die Korrektur für Eta-Quadrat Omega-Quadrat (ω²). Wenn du eine ANOVA rechnest und die Möglichkeit hast, ω² auszugeben oder zu berechnen, ist das die ehrlichere Zahl.
🔴 Die η²p-Falle, die praktisch alle betrifft
Lakens formuliert eine Beobachtung, die man sich für den eigenen Ergebnisteil merken sollte: Forschende berichten überwiegend partielles Eta-Quadrat, weil Statistikprogramme wie SPSS genau das ausgeben. Und da η²p bei einfaktoriellen ANOVAs mit η² identisch ist, deutet die massenhafte Verwendung des Zusatzindex vor allem darauf hin, dass viele Autorinnen und Autoren sich schlicht auf die Voreinstellung ihrer Software verlassen.
Die Konsequenz für dich: Berichte nicht das, was das Ausgabefenster dir hinlegt, sondern das, was zu deinem Design gehört. Bei einer einfaktoriellen ANOVA ist η² korrekt und η²p redundant. Bei mehrfaktoriellen Designs ist η²p nicht falsch, aber du musst wissen, dass es die Varianz eines Effekts nach Herausrechnen der übrigen Effekte beschreibt — η²p-Werte aus unterschiedlichen Designs sind deshalb nicht ohne Weiteres vergleichbar. Wer das im Methodenteil in einem Satz erklärt, hat die Nachfrage in der Verteidigung schon beantwortet.
Welches Maß gehört zu welchem Verfahren?
| Dein Verfahren | Passendes Maß | Anmerkung |
|---|---|---|
| t-Test für unabhängige Stichproben | Cohens d / Hedges‘ g | g bei kleinen Stichproben; Glass‘ Δ bei stark ungleichen Streuungen |
| t-Test für abhängige Stichproben | Cohens d (within) | Die Wahl des Standardisierers muss offengelegt werden |
| Einfaktorielle ANOVA | η² (bzw. ω²) | η²p ist hier identisch mit η² — der Index ist überflüssig |
| Mehrfaktorielle ANOVA | η²p (bzw. ω²) | Nicht designübergreifend vergleichbar |
| Korrelation | r (bzw. r²) | r ist selbst schon eine Effektstärke |
| Multiple Regression | R², f² | Zur Interpretation der Koeffizienten siehe den eigenen Beitrag |
| Chi-Quadrat / Kreuztabelle | φ, Cramérs V, Odds Ratio | φ nur bei 2×2, sonst Cramérs V |
Wenn du bei der Regression stehst, hilft dir der Beitrag zur Interpretation von Beta-Koeffizienten, R² und p-Werten weiter — dort geht es um die Deutung des Modells, hier um die Größenordnung des Effekts.
Wenn deine Software das Maß nicht ausgibt
Das ist der häufigste praktische Stolperstein und zugleich der am leichtesten zu lösende. Die beiden Familien lassen sich ineinander umrechnen: Aus einem d lässt sich ein r bestimmen und umgekehrt. Lakens stellt seinem Primer eine ergänzende Tabellenkalkulation zur Seite, die genau diese Berechnungen erledigt — für t-Tests und ANOVAs, inklusive der Korrekturen.
Drei Regeln für den Umgang damit:
- Rechne aus berichteten Kennwerten, nicht aus Rohdaten Dritter. Wenn du Effektstärken aus fremden Studien für deinen Theorieteil brauchst, reichen dir in der Regel t-Wert und Gruppengrößen beziehungsweise F-Wert und Freiheitsgrade.
- Dokumentiere, wie du gerechnet hast. Ein Halbsatz im Methodenteil („Effektstärken wurden nach Lakens (2013) berechnet; für die t-Tests wird Hedges‘ g berichtet“) verhindert jede Rückfrage.
- Runde einheitlich und berichte zwei Nachkommastellen. Uneinheitliche Rundung im Ergebnisteil ist der Klassiker, der Sorgfalt vermissen lässt.
🔴 Cohens Grenzwerte — und was Cohen selbst dazu gesagt hat
Hier liegt der Fehler, der in Abschlussarbeiten am teuersten ist. Fast jede Arbeit schreibt sinngemäß: „Mit d = 0,52 liegt ein mittlerer Effekt vor (Cohen, 1988).“ Das ist nicht falsch, aber es ist unvollständig — und die Unvollständigkeit ist genau das, worauf eine gute Prüferin zielt.
Die gängige Interpretation lautet: klein bei d = 0,2, mittel bei d = 0,5, groß bei d = 0,8, gemäß den Richtwerten von Cohen (1988). Lakens ordnet diese Werte jedoch unmissverständlich ein: Sie sind willkürlich und sollten nicht starr interpretiert werden (mit Verweis auf Thompson, 2007). Er illustriert das an einem Beispiel, das die ganze Logik umdreht: Kleine Effektstärken können große Konsequenzen haben — etwa eine Intervention, die die Suizidrate zuverlässig senkt, mit einer Effektstärke von d = 0,1.
Und der wichtigste Satz für deinen Ergebnisteil: Der einzige Grund, diese Richtwerte überhaupt zu benutzen, ist, dass Befunde völlig neu sind und sich nicht mit verwandten Befunden aus der Literatur vergleichen lassen (Cohen, 1988). Anders gesagt: Die Benchmarks sind der Notbehelf, nicht der Normalfall.
Daraus folgt eine konkrete Arbeitsanweisung, die deine Diskussion sofort besser macht: Vergleiche deine Effektstärke mit den Effektstärken der Studien, die du im Theorieteil referiert hast — und greife nur dann auf klein/mittel/groß zurück, wenn es solche Vergleichswerte in deinem Feld nachweislich nicht gibt. Ein Satz wie „Der gefundene Effekt (g = 0,34) liegt im Bereich der von X (2021, d = 0,29) und Y (2023, d = 0,41) berichteten Effekte“ ist inhaltlich stark; „es liegt ein kleiner bis mittlerer Effekt vor“ ist es nicht.
Effektstärke, Power und Stichprobengröße hängen zusammen
Der dritte Ort, an dem die Effektstärke auftaucht, ist die Planung. Fallzahlplanung braucht drei Zutaten: die erwartete Effektstärke, das Signifikanzniveau und die gewünschte Teststärke. Als allgemein akzeptiertes Minimum gilt eine Power von 0,80 (Cohen, 1988). Die Begründung dahinter ist eine Abwägung: Bei einem Signifikanzniveau von 0,05 beträgt das Verhältnis von Fehler 2. Art zu Fehler 1. Art 0,20 zu 0,05 — ein Effekt zu behaupten, den es nicht gibt, gilt damit als viermal so schwerwiegend wie einen vorhandenen Effekt zu übersehen. Lakens weist zugleich darauf hin, dass 0,80 zwar das empfohlene Minimum ist, höhere Werte (etwa 0,95) aber wünschenswerter sind.
Für dich hat das eine sehr praktische Seite: Wenn du vor der Erhebung eine Effektstärke annimmst und daraus deine Fallzahl ableitest, hast du im Methodenteil eine begründete Stichprobengröße statt der üblichen Formulierung „es konnten 84 Personen gewonnen werden“. Welche Stichprobenverfahren dafür in Frage kommen, ist im Beitrag zu den Stichprobenverfahren in der empirischen Forschung beschrieben.
So berichtest du Effektstärken im Ergebnisteil
- Immer zusammen mit dem Signifikanztest, nicht in einem separaten Absatz. Test, Freiheitsgrade, Prüfgröße, p-Wert, Effektstärke — in einem Satz.
- Mit Konfidenzintervall, wenn dein Programm oder die Tabellenkalkulation es liefert. Ein Punktwert ohne Unsicherheitsangabe ist eine halbe Information.
- Konsistent über die ganze Arbeit: Wenn du für einen t-Test g berichtest, berichte es für alle t-Tests.
- Mit einer Interpretationslogik, die du im Methodenteil ankündigst: entweder Vergleich mit der Literatur (bevorzugt) oder Benchmarks (nur begründet).
- Auch für nicht signifikante Ergebnisse. Gerade dort ist die Effektstärke informativ: Sie zeigt, ob überhaupt ein nennenswerter Unterschied vorliegt, den deine Stichprobe nur nicht auflösen konnte.
Wenn du deine Variablen und ihre Kodierung sauber dokumentiert hast, ist der Ergebnisteil in wenigen Stunden geschrieben. Falls du damit noch nicht angefangen hast: Wie so eine Dokumentation aussieht, steht im Beitrag zum Codebuch für den eigenen Datensatz. Und wenn dein Datensatz Lücken hat, entscheidet der Umgang damit mit über die Effektstärke — dazu gibt es den Beitrag zu fehlenden Werten und den zulässigen Verfahren.
Häufige Fragen
Muss ich in einer Bachelorarbeit überhaupt Effektstärken berichten?
Wenn du inferenzstatistisch testest: ja, und zwar unabhängig davon, ob deine Prüfungsordnung es ausdrücklich verlangt. Ein Ergebnisteil, der nur p-Werte enthält, wirkt im Jahr 2026 unvollständig — und die Nachfrage in der Verteidigung kommt zuverlässig.
Was mache ich, wenn SPSS mir nur η²p anbietet?
Bei einer einfaktoriellen ANOVA kannst du den Wert unverändert als η² berichten, weil beide identisch sind. Bei mehrfaktoriellen Designs berichtest du η²p und erklärst in einem Satz, was es bedeutet. Für ω² brauchst du eine eigene Berechnung; die Tabellenkalkulation zum Primer von Lakens nimmt sie dir ab.
Kann eine Effektstärke „zu groß“ sein?
Auffällig große Werte in kleinen Stichproben sind ein Warnsignal, kein Erfolg. Prüfe drei Dinge: Ausreißer, unterschiedliche Streuungen zwischen den Gruppen (dann Glass‘ Δ) und die fehlende Bias-Korrektur (dann Hedges‘ g). Häufig schrumpft der Effekt danach spürbar — und genau das ist die ehrlichere Zahl.
Wie zitiere ich die Grenzwerte richtig?
Die Richtwerte stammen aus Cohen (1988). Wenn du sie verwendest, zitiere zusätzlich die Einordnung, dass sie willkürlich sind und nicht starr angewendet werden sollen — etwa über den Primer von Lakens (2013). Diese doppelte Referenz signalisiert, dass du die Quelle gelesen und nicht nur die Zahlenreihe übernommen hast.
Was ist mit qualitativen Arbeiten?
Effektstärken sind ein Konzept der quantitativen Statistik und haben in einer rein qualitativen Arbeit keinen Platz. Dort übernehmen Gütekriterien die Funktion, die Belastbarkeit der Befunde zu begründen.
Brauche ich für die Umrechnung eine kostenpflichtige Software?
Nein. Die Umrechnungen lassen sich in jeder Tabellenkalkulation abbilden, und für die Auswertung selbst gibt es kostenlose Programme — der Vergleich dazu steht im Beitrag zu kostenloser Statistiksoftware.
Der Unterschied zwischen „signifikant“ und „bedeutsam“ ist deine Diskussion
Wenn du aus diesem Beitrag einen Satz mitnimmst, dann diesen: Der p-Wert gehört in den Ergebnisteil, die Effektstärke gehört in den Ergebnisteil und in die Diskussion. Denn erst dort entscheidest du, ob ein d von 0,3 in deinem Feld viel oder wenig ist — und diese Entscheidung begründest du am besten mit der Literatur, die du ohnehin schon gelesen hast.
Wenn du gerade an genau diesem Kapitel sitzt, kannst du deine Abschlussarbeit mit Tesify strukturieren und Methoden-, Ergebnis- und Diskussionsteil samt Quellen an einem Ort halten, während die Auswertung läuft. Die statistische Entscheidung triffst du — was das Werkzeug übernimmt, ist die Ordnung drumherum.