Die Normalverteilungsannahme prüfst du in drei Schritten: erst grafisch mit Histogramm und Q-Q-Plot, dann über Schiefe und Kurtosis, zuletzt mit dem Shapiro-Wilk-Test. Ein signifikanter Test allein verbietet dir kein parametrisches Verfahren — er ist ein Hinweis, den du zusammen mit Stichprobengröße und Grafik interpretierst.
Was eigentlich normalverteilt sein muss
Der häufigste Fehler passiert, bevor überhaupt gerechnet wird: Studierende prüfen die falsche Variable. Kein gängiges Verfahren verlangt, dass deine Rohdaten in der Population normalverteilt sind. Verlangt wird jeweils etwas Präziseres.
- t-Test für unabhängige Stichproben: Die abhängige Variable soll innerhalb jeder Gruppe annähernd normalverteilt sein — nicht über beide Gruppen zusammengenommen. Wer die Gesamtverteilung prüft, misst bei einem echten Gruppenunterschied eine Zweigipfligkeit, die gar kein Problem ist.
- t-Test für abhängige Stichproben: Nicht die beiden Messungen, sondern die Differenzwerte müssen die Annahme erfüllen.
- Varianzanalyse: Die Werte innerhalb jeder Zelle beziehungsweise die Residuen des Modells.
- Regression: Ausschließlich die Residuen. Weder Prädiktoren noch Kriterium müssen normalverteilt sein — eine Fehlannahme, die viele Arbeiten unnötig in nichtparametrische Verfahren treibt.
Diese Unterscheidung entscheidet oft schon, ob überhaupt ein Problem vorliegt. Prüfe deshalb zuerst, welche Größe dein Verfahren tatsächlich meint, und erst danach, ob sie die Annahme erfüllt.
Instrument 1: die grafische Prüfung
Beginne immer mit den Grafiken, nie mit dem Test. Zwei Darstellungen reichen.
Das Histogramm mit eingezeichneter Normalverteilungskurve zeigt die grobe Form: Ist die Verteilung symmetrisch oder schief? Gibt es einen oder mehrere Gipfel? Sitzt eine kleine Gruppe extremer Werte am rechten Rand? Wähle die Klassenbreite nicht zu fein — bei kleinen Stichproben produziert jede zweite Einstellung ein anderes Bild.
Der Q-Q-Plot ist das diagnostisch stärkere Werkzeug. Er trägt die beobachteten Quantile gegen die theoretisch erwarteten auf. Liegen die Punkte eng an der Diagonalen, ist die Annahme unproblematisch. Systematische Abweichungen sind lesbar: Eine S-Form spricht für zu schwere oder zu leichte Verteilungsenden, eine gekrümmte Kurve für Schiefe, einzelne weit entfernte Punkte an den Enden für Ausreißer statt für ein Verteilungsproblem. Genau diese Unterscheidung — Ausreißerproblem oder Formproblem — liefert kein Signifikanztest, sondern nur die Grafik.
Instrument 2: Schiefe und Kurtosis
Zwei Kennwerte quantifizieren, was die Grafik zeigt. Die Schiefe beschreibt die Asymmetrie: Werte um null stehen für eine symmetrische Verteilung, positive Werte für einen langen rechten Ausläufer, negative für einen langen linken. Die Kurtosis beschreibt, wie schwer die Verteilungsenden sind.
In der Methodenliteratur kursieren mehrere Faustregeln; verbreitet ist die Grenze von etwa ±1, in toleranteren Varianten ±2 für beide Kennwerte. Wichtiger als der exakte Grenzwert ist, dass du überhaupt einen nennst und ihn belegst — und dass du den Wert in Relation zu seinem Standardfehler liest, den jede Statistiksoftware mit ausgibt. Ein Schiefewert von 0,8 bei n = 40 bedeutet etwas anderes als derselbe Wert bei n = 400.
Instrument 3: der Shapiro-Wilk-Test — und seine Falle
Der Shapiro-Wilk-Test geht auf die Arbeit von Shapiro und Wilk zurück, die 1965 in Biometrika (Band 52, Heft 3-4, Seiten 591–611) unter dem Titel „An analysis of variance test for normality (complete samples)“ erschienen ist. Seine Nullhypothese lautet: Die Daten stammen aus einer normalverteilten Population. Ein nicht signifikantes Ergebnis spricht also für die Annahme.
Damit beginnt die Falle, an der die meisten Arbeiten scheitern. Die Teststärke jedes Signifikanztests wächst mit der Stichprobengröße — und das gilt auch hier. Die praktische Konsequenz ist unangenehm:
- Bei kleinen Stichproben (etwa n < 30) findet der Test selbst deutliche Abweichungen häufig nicht. Ein nicht signifikantes Ergebnis ist dort kein Beleg für Normalverteilung, sondern oft nur ein Beleg für fehlende Teststärke.
- Bei großen Stichproben wird nahezu jede noch so kleine, praktisch bedeutungslose Abweichung signifikant. Der Test verwirft dann eine Annahme, deren Verletzung dem Verfahren gar nichts ausmacht.
Der Test ist also ausgerechnet dort unzuverlässig, wo du ihn brauchst, und ausgerechnet dort überempfindlich, wo die Annahme unkritisch ist. Genau deshalb steht er in dieser Anleitung an dritter und nicht an erster Stelle.
Zur Alternative: Der Kolmogorov-Smirnov-Test wird in vielen Lehrbüchern parallel genannt, gilt aber in der Standardvariante ohne Lilliefors-Korrektur bei geschätzten Parametern als zu konservativ. Wenn deine Software beide ausgibt, berichte Shapiro-Wilk.
Der zentrale Grenzwertsatz: warum Verletzungen oft folgenlos bleiben
Parametrische Mittelwertvergleiche setzen streng genommen nicht voraus, dass die Daten normalverteilt sind, sondern dass die Verteilung der Stichprobenmittelwerte es ist. Der zentrale Grenzwertsatz sorgt dafür, dass diese Verteilung sich mit wachsendem n der Normalverteilung annähert, auch wenn die Ausgangsdaten schief sind.
Ghasemi und Zahediasl haben diesen Punkt 2012 im International Journal of Endocrinology and Metabolism (Band 10, Heft 2, Seiten 486–489) in einem oft zitierten Leitfaden für Nicht-Statistiker aufgearbeitet: Ab einer Stichprobengröße im Bereich von etwa 30 bis 40 Fällen ist die Verletzung der Normalverteilungsannahme für die gängigen parametrischen Verfahren in der Regel unproblematisch. Bei Gruppendesigns gilt das pro Gruppe, nicht für die Gesamtstichprobe — und es gilt nicht bei ausgeprägter Schiefe oder bei einzelnen extremen Werten, die den Mittelwert verschieben.
Diese Passage ist die wichtigste des ganzen Beitrags, weil sie den Reflex bricht, bei jedem signifikanten Shapiro-Wilk-Ergebnis sofort das Verfahren zu wechseln. Ein signifikanter Test bei n = 250 pro Gruppe und einer Schiefe von 0,4 ist kein Grund, auf Rangverfahren umzusteigen.
Die Annahme ist verletzt: vier legitime Wege
Weg 1: beim parametrischen Verfahren bleiben und es begründen
Zulässig, wenn deine Gruppengrößen ausreichend sind, die Abweichung moderat ausfällt und der Q-Q-Plot keine dramatische Form zeigt. Du berichtest dann Testergebnis, Kennwerte und Stichprobengröße gemeinsam und verweist auf die Robustheit des Verfahrens. Ergänzend kannst du beide Auswertungen rechnen und in einer Fußnote festhalten, dass parametrisches und nichtparametrisches Verfahren zum selben Schluss führen — das ist das stärkste Argument überhaupt.
Weg 2: transformieren
Bei ausgeprägter Rechtsschiefe — typisch für Einkommens-, Zeit- und Häufigkeitsdaten — hilft oft eine Logarithmus- oder Wurzeltransformation, bei Linksschiefe eine Spiegelung mit anschließender Transformation. Der Preis: Deine Ergebnisse beziehen sich danach auf die transformierte Skala und müssen für die Interpretation zurückübersetzt werden. Dokumentiere die Transformation im Methodikkapitel, nicht erst in den Ergebnissen.
Weg 3: robuste Varianten wählen
Für den Vergleich zweier Gruppen ist der Welch-Test die robustere Variante des t-Tests, weil er keine gleichen Varianzen voraussetzt; viele Programme verwenden ihn inzwischen standardmäßig. Bootstrapping-Verfahren schätzen Konfidenzintervalle ohne Verteilungsannahme und sind in R, jamovi und JASP mit wenigen Klicks verfügbar. Beide Wege behalten den Mittelwert als Kenngröße bei — ein Vorteil gegenüber Weg 4.
Weg 4: auf ein nichtparametrisches Verfahren wechseln
Der klassische Ausweg, und der einzige, der deine Hypothese verändert: Rangbasierte Verfahren vergleichen nicht mehr Mittelwerte, sondern die Lage der Verteilungen beziehungsweise Mediane. Formuliere deine Hypothese entsprechend um, sonst passen Fragestellung und Auswertung nicht mehr zusammen.
Die Äquivalenztabelle
| Fragestellung | Parametrisch | Nichtparametrische Entsprechung |
|---|---|---|
| Zwei unabhängige Gruppen | t-Test für unabhängige Stichproben | Mann-Whitney-U-Test |
| Zwei abhängige Messungen | t-Test für abhängige Stichproben | Wilcoxon-Vorzeichen-Rang-Test |
| Drei oder mehr unabhängige Gruppen | Einfaktorielle Varianzanalyse | Kruskal-Wallis-Test |
| Drei oder mehr abhängige Messungen | Varianzanalyse mit Messwiederholung | Friedman-Test |
| Zusammenhang zweier Variablen | Pearson-Korrelation | Spearman-Rangkorrelation oder Kendalls Tau |
Ein Hinweis, der in Kolloquien gern abgefragt wird: Nichtparametrische Verfahren sind nicht voraussetzungsfrei. Der Mann-Whitney-U-Test setzt für die Interpretation als Medianvergleich ähnlich geformte Verteilungen in beiden Gruppen voraus; sonst prüft er allgemeiner, ob Werte der einen Gruppe systematisch größer ausfallen. Und du zahlst mit Teststärke: Bei tatsächlich normalverteilten Daten braucht das Rangverfahren mehr Fälle für denselben Nachweis — ein Punkt, den du bereits bei der Fallzahlplanung mit G*Power einkalkulieren solltest.
Wie du die Prüfung im Methodikkapitel berichtest
Drei Sätze genügen, aber sie müssen vollständig sein: was geprüft wurde, womit, mit welchem Ergebnis und welche Konsequenz gezogen wurde.
„Die Normalverteilungsannahme wurde für die abhängige Variable getrennt nach Gruppe grafisch (Histogramm, Q-Q-Plot) sowie über Schiefe und Kurtosis geprüft und mit dem Shapiro-Wilk-Test abgesichert. In Gruppe B wich die Verteilung signifikant von der Normalverteilung ab (W = .94, p = .012); Schiefe (0,62) und Kurtosis (0,41) lagen jedoch im tolerierten Bereich, und die Gruppengröße von n = 58 spricht für die Robustheit des Verfahrens. Die Auswertung erfolgte daher parametrisch; eine ergänzende Berechnung mit dem Mann-Whitney-U-Test führte zum selben Ergebnis.“
Die Prüfung selbst gehört in den Methodenteil, die konkreten Kennwerte in den Ergebnisteil oder in den Anhang. Die Schreibweise der Statistikwerte — Kursivsetzung, führende Null, Dezimalzeichen — folgt dem Zitierstil deiner Hochschule; einen Überblick über die gängigen Berichtsformate gibt die Anleitung zur Umfrageauswertung.
Vier Fehler, die im Gutachten auffallen
- Die falsche Größe prüfen. Gesamtverteilung statt Verteilung pro Gruppe, Rohwerte statt Differenzwerte, Prädiktoren statt Residuen.
- Nur den p-Wert berichten. Ohne Stichprobengröße und Kennwerte ist ein signifikanter Shapiro-Wilk-Test nicht interpretierbar.
- Automatisch wechseln. Jede Verletzung mit einem Rangverfahren zu beantworten, kostet Teststärke und verändert stillschweigend die Hypothese.
- Nachträglich auswählen. Beide Verfahren rechnen und das mit dem kleineren p-Wert berichten, ist selektives Berichten. Beide berichten ist erlaubt, eines heimlich auswählen nicht.
Häufige Fragen zur Normalverteilungsprüfung
Mein Shapiro-Wilk-Test ist signifikant. Muss ich jetzt nichtparametrisch rechnen?
Nein, nicht automatisch. Prüfe zuerst die Gruppengröße, dann Schiefe und Kurtosis, dann den Q-Q-Plot. Bei ausreichend großen Gruppen und moderater Abweichung bleibt das parametrische Verfahren zulässig — du musst die Entscheidung nur begründen.
Ab welcher Stichprobengröße spielt die Normalverteilung keine Rolle mehr?
Als Orientierung nennt die Methodenliteratur einen Bereich von etwa 30 bis 40 Fällen pro Gruppe, ab dem der zentrale Grenzwertsatz die Verletzung in der Regel auffängt. Das ist eine Faustregel, keine Schwelle: Bei starker Schiefe oder Ausreißern gilt sie nicht.
Muss ich die Normalverteilung bei Likert-Daten prüfen?
Bei Einzelitems ist die Frage meist gegenstandslos, weil die Skala nur wenige Stufen hat. Bei summierten oder gemittelten Skalen aus mehreren Items behandelst du das Ergebnis üblicherweise als quasi-metrisch und prüfst wie bei jeder metrischen Variable.
Was mache ich, wenn nur eine von zwei Gruppen abweicht?
Das ist der Normalfall. Entscheide über das Verfahren für die gesamte Analyse, nicht pro Gruppe, und begründe die Entscheidung mit der ungünstigeren Gruppe. Berichte beide Befunde.
Reicht es, nur den Q-Q-Plot zu zeigen?
Für die Argumentation ja, für die Dokumentation meist nicht. Die übliche Erwartung ist die Kombination aus Grafik, Kennwerten und Test. Der Plot wandert in den Anhang, die Kennwerte in den Text.
Gilt die Prüfung auch für die Regression?
Ja, aber nur für die Residuen. Prädiktoren und Kriterium dürfen beliebig verteilt sein. Wie du die übrigen Modellvoraussetzungen liest, behandelt der Beitrag zur Interpretation der Regressionsanalyse.
Was, wenn ich fehlende Werte habe — verzerrt das die Prüfung?
Ja. Prüfe die Verteilung erst nach der Entscheidung über den Umgang mit Lücken, sonst diagnostizierst du den Ausfallmechanismus mit. Die Systematik dahinter erklärt der Beitrag zu fehlenden Werten.
Fazit
Die Normalverteilungsprüfung ist keine Ja-Nein-Frage mit einem p-Wert als Antwort. Kläre zuerst, welche Größe dein Verfahren überhaupt meint, sieh dir Histogramm und Q-Q-Plot an, quantifiziere die Abweichung über Schiefe und Kurtosis und benutze den Shapiro-Wilk-Test als letzten Baustein statt als Richterspruch. Ist die Annahme verletzt, hast du vier Wege — und der erste davon lautet, beim geplanten Verfahren zu bleiben und die Entscheidung sauber zu begründen. Wer diesen Absatz vollständig schreibt, hat eine der häufigsten Kolloquiumsfragen bereits beantwortet.
Halte die Begründung fest, solange du sie noch im Kopf hast. Mit Tesify baust du Methodik-, Ergebnis- und Diskussionskapitel in einem Dokument auf und siehst sofort, an welcher Stelle die Voraussetzungsprüfung noch fehlt. Starte deine Abschlussarbeit mit Tesify und schreibe die Methodik, während die Auswertung noch offen auf dem Bildschirm liegt.