Effektgröße und Unsicherheit gehören zur Ergebnisdeutung

1. Den beobachteten Unterschied benennen

Beginne mit der Einheit deiner Zielvariable. Beschreibe, welche Gruppen oder Zeitpunkte verglichen wurden und wie groß die Differenz in einer verständlichen Einheit ist. Ein relativer Prozentwert ohne Ausgangswert kann kleiner oder größer wirken, als er praktisch ist.

Unterscheide den beobachteten Unterschied von einer Aussage über die Population. Deine Stichprobe liefert einen Schätzwert. Erst das Design, die Messung und die Unsicherheit bestimmen, wie weit du diesen Schätzwert verallgemeinern kannst.

Weiterführend: NIST: What are confidence intervals?

Weiterführend: American Statistical Association: Statement on p-Values

2. Konfidenzintervalle richtig lesen

Ein Konfidenzintervall zeigt einen Bereich, der die Unsicherheit des Schätzwerts über das verwendete Verfahren sichtbar macht. Ein 95-%-Intervall bedeutet nicht, dass bei diesem einzelnen fertigen Intervall eine 95-%-Wahrscheinlichkeit für die Lage des unbekannten Parameters besteht. Die 95 % beziehen sich auf die langfristige Abdeckung des Verfahrens bei wiederholter Anwendung.

Ein engeres Intervall ist nicht automatisch inhaltlich besser: Es kann auch entstehen, wenn die Messung wenig Streuung zeigt oder die Stichprobe größer ist. Ein breites Intervall kann auf geringe Präzision hinweisen. Beschreibe daher Breite und fachliche Relevanz gemeinsam, statt nur zu prüfen, ob eine Grenze überschritten wird.

3. Den p-Wert nicht zur Effektgröße machen

Der p-Wert beschreibt unter der Nullhypothese und den Modellannahmen, wie ungewöhnlich ein mindestens so extremes Ergebnis wäre. Er beschreibt nicht die Wahrscheinlichkeit, dass die Nullhypothese wahr ist, und auch nicht die Größe oder praktische Wichtigkeit des Effekts.

Ein kleiner Effekt kann bei einer großen Stichprobe statistisch auffällig werden. Ein größerer beobachteter Effekt kann bei hoher Streuung und kleiner Stichprobe unsicher bleiben. Berichte deshalb Effektmaß, Intervall und p-Wert nur in ihrer jeweiligen Rolle und wähle die Formulierung passend zum Untersuchungsdesign.

4. Aus Statistik eine fachliche Aussage machen

Vergleiche die geschätzte Größenordnung mit einem fachlich begründeten Referenzpunkt. Das kann eine relevante Mindestdifferenz, eine etablierte Skala oder eine konkrete praktische Entscheidung sein. Wenn kein solcher Bezug existiert, schreibe das offen, statt eine Grenze nachträglich aus dem Ergebnis abzuleiten.

Nenne im Diskussionsteil auch Messfehler, fehlende Werte, Mehrfachtests und mögliche Störvariablen. Ein Intervall schützt nicht vor einem schlecht definierten Merkmal oder einem unpassenden Design. Statistik macht Unsicherheit sichtbar, ersetzt aber keine Begründung des Untersuchungsmodells.

5. Eine Ergebnisaussage in drei Sätzen testen

Formuliere zuerst den Befund ohne Bewertung: Wer oder was wurde verglichen und welcher Wert wurde beobachtet? Formuliere danach die Unsicherheit: Wie breit ist das Intervall oder wie stark streuen die Beobachtungen? Formuliere erst im dritten Satz die fachliche Bedeutung und nenne dabei eine Grenze des Designs.

Streiche in einer zweiten Fassung alle Wörter wie „klar“, „deutlich“, „beweist“ und „kein Effekt“. Prüfe, ob die Aussage auch ohne diese Verstärker trägt. Wenn nicht, fehlt wahrscheinlich ein Kennwert, eine Einheit oder eine Begründung. Die vorsichtigere Formulierung ist nicht automatisch besser; sie muss die richtige Stärke für deine Daten haben.

Vergleiche den Absatz mit deiner Forschungsfrage. Ein statistischer Befund kann präzise sein und trotzdem eine andere Frage beantworten als die Arbeit. Notiere deshalb neben dem Bericht, welcher Teil der Frage durch die Analyse abgedeckt ist und welcher Teil offenbleibt. So vermeidest du, aus einem passenden Test eine zu große Schlussfolgerung abzuleiten.