Kurze Antwort: Der passende Test ergibt sich aus drei Angaben — dem Skalenniveau deiner abhängigen Variablen, der Zahl der zu vergleichenden Gruppen oder Messzeitpunkte und der Frage, ob dieselben Personen mehrfach vorkommen. Sind diese drei geklärt, bleibt in aller Regel genau ein Standardverfahren übrig, plus eine nichtparametrische Alternative.
Dieser Beitrag ist als Nachschlagewerk gebaut: Erst die drei Angaben, dann eine Übersichtstabelle, dann die einzelnen Fälle. Für jedes Verfahren steht dabei, was du zusätzlich prüfen und berichten musst.
Welche drei Angaben brauchst du, bevor du überhaupt wählen kannst?
1. Das Skalenniveau deiner abhängigen Variablen. Nominal (Kategorien ohne Reihenfolge: Studiengang, ja/nein), ordinal (Kategorien mit Reihenfolge, aber ohne gleiche Abstände: Notenstufen, Zustimmungsgrade) oder metrisch (Zahlen mit gleichen Abständen: Alter, Punktwerte, Bearbeitungszeit). Wenn du hier unsicher bist, hilft der Beitrag zur Operationalisierung von Variablen und Skalenniveaus.
2. Wie viele Gruppen oder Messzeitpunkte vergleichst du? Zwei oder mehr als zwei — an dieser Stelle teilt sich fast jede Verfahrensfamilie.
3. Kommen dieselben Personen mehrfach vor? Zwei getrennte Gruppen sind unabhängige Stichproben. Dieselben Personen vor und nach einer Maßnahme sind verbundene Stichproben und brauchen ein anderes Verfahren. Das ist der Punkt, an dem in Abschlussarbeiten am häufigsten der falsche Test steht.
Gibt es eine Übersicht auf einen Blick?
| Deine Frage | Abhängige Variable | Standardverfahren | Wenn die Annahmen nicht halten |
|---|---|---|---|
| Zwei unabhängige Gruppen vergleichen | metrisch | t-Test für unabhängige Stichproben (Welch) | Mann-Whitney-U-Test |
| Zwei Messungen derselben Personen | metrisch | t-Test für abhängige Stichproben | Wilcoxon-Vorzeichen-Rang-Test |
| Drei oder mehr unabhängige Gruppen | metrisch | einfaktorielle Varianzanalyse | Kruskal-Wallis-Test |
| Drei oder mehr Messungen derselben Personen | metrisch | Varianzanalyse mit Messwiederholung | Friedman-Test |
| Zusammenhang zweier Variablen | metrisch | Korrelation nach Pearson | Rangkorrelation nach Spearman |
| Zusammenhang zweier Kategorien | nominal | Chi-Quadrat-Unabhängigkeitstest | exakter Test nach Fisher |
| Dieselben Personen, kategoriale Antwort vorher/nachher | nominal | McNemar-Test | — |
| Mehrere Einflussgrößen gleichzeitig | metrisch | multiple lineare Regression | — |
| Mehrere Einflussgrößen, Ja/Nein-Ergebnis | binär | logistische Regression | — |
Welcher Test passt bei zwei unabhängigen Gruppen?
Bei metrischer abhängiger Variablen der t-Test für unabhängige Stichproben. Eine Empfehlung, die sich lohnt: Nimm standardmäßig die Welch-Variante, die keine gleichen Varianzen voraussetzt. Sie verliert bei tatsächlich gleichen Varianzen praktisch nichts an Genauigkeit und erspart dir den vorgeschalteten Varianzhomogenitätstest, dessen Ergebnis bei kleinen Stichproben ohnehin wenig belastbar ist.
Zur Normalverteilungsannahme: Sie betrifft die Verteilung in den Gruppen, nicht die der Gesamtstichprobe, und bei etwa 30 Fällen je Gruppe aufwärts ist der t-Test dagegen recht unempfindlich. Bei deutlich kleineren Gruppen oder klar schiefen Verteilungen wechselst du auf den Mann-Whitney-U-Test — der allerdings streng genommen Verteilungen und nicht Mittelwerte vergleicht, was du im Text entsprechend formulieren solltest.
Welcher Test passt bei zwei Messungen derselben Personen?
Der t-Test für abhängige Stichproben, auch gepaarter t-Test genannt. Er arbeitet mit den Differenzen je Person, weshalb sich die Verteilungsfrage auf diese Differenzen bezieht und nicht auf die Ausgangswerte. Die nichtparametrische Alternative ist der Wilcoxon-Vorzeichen-Rang-Test.
Die häufigste Fehlerquelle hier ist datentechnisch: Verbundene Daten müssen im Datensatz als eine Zeile pro Person mit zwei Spalten vorliegen, nicht als zwei Zeilen. Liegt die Datei falsch herum vor, rechnet die Software klaglos den unabhängigen Test — mit falschem Ergebnis und ohne Warnung.
Welcher Test passt bei drei oder mehr Gruppen?
Die einfaktorielle Varianzanalyse, bei verletzten Annahmen der Kruskal-Wallis-Test. Beide beantworten allerdings nur, ob sich irgendwo Gruppen unterscheiden — welche Paare es sind, klärt erst ein anschließender Post-hoc-Vergleich mit Korrektur für multiples Testen.
Was du dagegen nicht tun darfst: drei Gruppen mit drei einzelnen t-Tests vergleichen. Jeder Test bringt sein eigenes Fehlerrisiko mit, und in Summe testest du deutlich großzügiger als die angegebenen fünf Prozent.
Welcher Test passt für einen Zusammenhang zwischen zwei Variablen?
Bei zwei metrischen Variablen die Korrelation nach Pearson — sie misst allerdings ausschließlich den linearen Zusammenhang. Ein Streudiagramm vorab kostet dreißig Sekunden und zeigt dir, ob ein linearer Kennwert überhaupt sinnvoll ist. Bei ordinalen Daten, deutlich schiefen Verteilungen oder einem monotonen, aber nicht linearen Verlauf ist die Rangkorrelation nach Spearman die Wahl.
Beides sagt nichts über Ursache und Wirkung. Wenn deine Frage lautet „wirkt X über M“ oder „gilt das für alle gleich“, brauchst du kein anderes Korrelationsmaß, sondern ein Modell — der Vergleich zwischen Mediation und Moderation zeigt, welches.
Welcher Test passt, wenn beide Variablen kategorial sind?
Der Chi-Quadrat-Unabhängigkeitstest, sofern die erwarteten Häufigkeiten groß genug sind; sonst der exakte Test nach Fisher. Die vollständige Prüfkette samt Effektstärke und der Frage, welche Zelle den Zusammenhang trägt, steht im Beitrag zum Chi-Quadrat-Test.
Handelt es sich um dieselben Personen zu zwei Zeitpunkten — etwa dieselbe Ja/Nein-Frage vor und nach einer Intervention —, ist der Chi-Quadrat-Test falsch, weil er unabhängige Beobachtungen voraussetzt. Dann brauchst du den McNemar-Test.
Was mache ich, wenn mehrere Einflussgrößen gleichzeitig eine Rolle spielen?
Dann verlässt du die Welt der Einzeltests und gehst zu einem Modell. Bei metrischer Zielvariablen die multiple lineare Regression — wie ihre Ausgabe zu lesen ist, steht im Beitrag zur Interpretation von Regressionsergebnissen. Bei einer Ja/Nein-Zielvariablen die logistische Regression, deren Koeffizienten als Odds Ratios gelesen werden.
Modelle brauchen deutlich mehr Fälle als Einzeltests, weil jede zusätzliche Einflussgröße Fallzahl kostet. Wenn deine Stichprobe kleiner ausgefallen ist als geplant, ist die Reduktion auf wenige, theoretisch begründete Prädiktoren die richtige Antwort — der Beitrag zu einer zu klein ausgefallenen Stichprobe geht die Optionen durch.
Was mache ich, wenn mein Fall in der Tabelle nicht vorkommt?
Die Tabelle deckt die Standardfälle ab. Wenn deiner nicht darunter ist, liegt das meist an einer von drei Konstellationen — und für jede gibt es einen klaren nächsten Schritt.
- Zwei Einflussfaktoren gleichzeitig, beide kategorial. Etwa Geschlecht und Studienform auf einen Punktwert. Das ist eine zweifaktorielle Varianzanalyse; sie liefert zusätzlich den Interaktionsterm, also die Frage, ob der eine Effekt vom anderen abhängt.
- Gruppenvergleich, aber eine Störgröße soll herausgerechnet werden. Etwa Vorwissen, das die Gruppen unterschiedlich verteilt haben. Dafür gibt es die Kovarianzanalyse, die die Kovariate statistisch kontrolliert — mit eigenen Voraussetzungen, die im Methodenteil geprüft gehören.
- Die Beobachtungen sind geschachtelt. Schülerinnen in Klassen, Mitarbeitende in Abteilungen, Patienten in Praxen. Dann sind die Beobachtungen innerhalb einer Einheit ähnlicher als zwischen den Einheiten, und die Unabhängigkeitsannahme aller Standardverfahren ist verletzt. Sauber ist hier ein Mehrebenenmodell — in einer Bachelorarbeit oft zu aufwendig, weshalb die ehrliche Alternative darin besteht, die Schachtelung zu benennen und die Ergebnisse entsprechend vorsichtig zu interpretieren.
In allen drei Fällen gilt: Nimm die Frage mit in die Sprechstunde, bevor du rechnest. Fünf Minuten Klärung ersparen dir eine komplette Neuauswertung.
Was gehört zu jedem Test dazu, egal welcher es ist?
- Die Voraussetzungsprüfung, dokumentiert im Methodenteil — nicht als Behauptung, sondern mit dem verwendeten Kriterium.
- Die Effektstärke. Der p-Wert sagt nichts über die Größe eines Unterschieds; welches Maß zu welchem Verfahren gehört, steht im Beitrag zu den Effektstärken.
- Die exakte Fallzahl der jeweiligen Analyse. Fehlende Werte reduzieren N je nach Test unterschiedlich stark.
- Eine vollständige Berichtszeile mit Teststatistik, Freiheitsgraden, N, p-Wert und Effektstärke.
- Auch die nicht signifikanten Ergebnisse. Sie gehören genauso in den Text — wie sie sich formulieren lassen, zeigt der Beitrag dazu, was bei nicht signifikanten Ergebnissen zu tun ist.
Häufige Fragen zur Testauswahl
Darf ich Likert-Skalen als metrisch behandeln?
Eine einzelne Likert-Frage ist ordinal. Ein Summen- oder Mittelwert über mehrere Items derselben Skala wird in der Praxis breit als metrisch behandelt, sofern die Skala mindestens fünf Stufen hat und die interne Konsistenz stimmt. Entscheide dich einmal, begründe es kurz im Methodenteil und halte es durch.
Muss ich immer erst auf Normalverteilung testen?
Ein formaler Test darauf ist bei kleinen Stichproben wenig aussagekräftig und wird bei großen fast immer signifikant, obwohl die Abweichung dann kaum noch stört. Üblich und belastbarer ist die Kombination aus grafischer Beurteilung und der Beachtung des Stichprobenumfangs. Wichtig ist die Dokumentation der Entscheidung, nicht das Ritual.
Was ist der Unterschied zwischen einseitigem und zweiseitigem Testen?
Einseitig testest du nur, wenn deine Hypothese eine Richtung vorgibt und die Gegenrichtung inhaltlich bedeutungslos wäre — und das muss vorab festgelegt sein. Nachträglich auf einseitig zu wechseln, weil der p-Wert dann unter 0,05 fällt, ist ein klassischer Kunstfehler. Im Zweifel zweiseitig.
Wie viele Teilnehmende brauche ich für meinen Test?
Das hängt vom Verfahren und vom erwarteten Effekt ab und wird idealerweise vor der Erhebung berechnet. Grob gilt: Gruppenvergleiche brauchen weniger als Modelle, und je kleiner der erwartete Effekt, desto mehr Fälle. Wie du die Stichprobe überhaupt ziehst und dokumentierst, steht im Beitrag zu den Stichprobenverfahren.
Meine Gruppen sind unterschiedlich groß — ist das ein Problem?
Für den Welch-t-Test und die meisten nichtparametrischen Verfahren nicht. Bei der Varianzanalyse werden stark ungleiche Gruppengrößen dann kritisch, wenn zugleich die Varianzen ungleich sind. Berichte die Gruppengrößen in jedem Fall einzeln.
Welche Software brauche ich dafür?
Alle genannten Verfahren beherrschen SPSS, R, JASP und jamovi gleichermaßen; die Unterschiede liegen in Bedienung und Lizenz, nicht im Ergebnis. Der Vergleich der Statistikprogramme und die Übersicht der kostenlosen Alternativen helfen bei der Wahl.
Was mache ich mit fehlenden Werten vor dem Test?
Erst klären, welcher Ausfallmechanismus vorliegt, dann entscheiden — nicht umgekehrt. Der Beitrag zu fehlenden Werten und Imputation beschreibt die drei Fälle und die jeweils passende Strategie.
Kann ich mehrere Tests auf dieselben Daten rechnen?
Ja, aber nur, wenn sie vorab festgelegt sind und du die Häufung berücksichtigst. Zwanzig Tests zu rechnen und die drei signifikanten zu berichten, ist die verbreitetste Form der Selbsttäuschung in empirischen Abschlussarbeiten.
Wie hängt die Testwahl mit meiner Hypothese zusammen?
Sehr eng: Eine gut formulierte Hypothese benennt bereits die Variablen, ihr Skalenniveau und die Vergleichsstruktur — und damit implizit den Test. Wenn dir die Testwahl schwerfällt, ist meist die Hypothese zu unscharf. Die Anleitung zum Aufstellen von Hypothesen setzt hier an.
Was, wenn ich mit vorhandenen Datensätzen statt eigener Erhebung arbeite?
Die Testlogik bleibt identisch, es kommt aber die Gewichtung dazu: Große Umfrageprogramme liefern Gewichtungsvariablen mit, ohne die deine Kennwerte nur die Stichprobe beschreiben. Welche Datenquellen infrage kommen und wie du an sie herankommst, steht im Beitrag zu sozialwissenschaftlichen Umfragedaten.
Wo im Text steht die Begründung für den Test?
In den Methodenteil, nicht in den Ergebnisteil. Dort steht, welches Verfahren du für welche Hypothese verwendest und warum — mit Skalenniveau, Stichprobenstruktur und geprüften Voraussetzungen. Der Ergebnisteil enthält dann nur noch die Zahlen.
Vom Test zum fertigen Kapitel
Die Auswahl ist in zehn Minuten getroffen; die Arbeit steckt danach darin, aus einer Sammlung von Ausgaben ein Kapitel zu machen, das zur Fragestellung zurückführt und in Terminologie und Zahlenformat durchgängig konsistent ist. Mit Tesify strukturierst du deine Abschlussarbeit vom Methodenteil bis zur Diskussion — mit einheitlicher Zitation über alle Kapitel hinweg.