Welcher statistische Test passt zu deiner Untersuchung?

1. Deine Datenstruktur zuerst beschreiben

Notiere die Zielvariable, ihre Skala und die Untersuchungseinheit. Geht es um eine Bearbeitungszeit, eine geordnete Antwortkategorie oder ein Ja-Nein-Ergebnis? Unterscheidet dein Design unabhängige Gruppen oder wiederholte Messungen derselben Personen?

Mehrere Messungen pro Person sind nicht automatisch unabhängige Beobachtungen. Auch Klassen, Teams oder Standorte können Abhängigkeiten erzeugen. Solche Strukturen müssen im Auswertungsplan berücksichtigt werden.

Erstelle einen Variablensteckbrief, bevor du ein Testmenü öffnest: Name, Bedeutung, Messniveau, Einheit, zulässige Werte und fehlende Werte. Ergänze, wer oder was eine Zeile im Datensatz bildet. Im eigenen Lernbeispiel könnten zwei Zeilen dieselbe Person zu zwei Zeitpunkten darstellen; sie wären dann nicht zwei unabhängige Personen. Notiere auch Gruppenzugehörigkeit und gemeinsame Umgebungen wie Klassen oder Teams. Diese Angaben verhindern, dass ein Tool aus unvollständigen Eingaben ein formal plausibles, aber zum tatsächlichen Design unpassendes Verfahren vorschlägt.

2. Typische Ausgangspunkte unterscheiden

Für den Vergleich zweier unabhängiger Mittelwerte kommt unter passenden Voraussetzungen ein Zweistichproben-t-Test infrage. Die Welch-Variante setzt keine gleichen Populationsvarianzen voraus. Bei gepaarten Messungen wird dagegen die Struktur der innerhalb eines Paars gebildeten Differenzen relevant.

Diese Orientierung ersetzt keine Prüfung der Daten. Geordnete Skalen, kleine erwartete Zellhäufigkeiten, Ausreißer oder ein komplexes Design können andere Verfahren erfordern. Nichtparametrische Tests sind ebenfalls nicht voraussetzungslos.

Vergleiche Verfahren anhand ihrer Zielgröße. Ein Mittelwertvergleich fragt etwas anderes als ein Vergleich von Anteilen oder ein Modell für einen Zusammenhang. Prüfe bei jeder Empfehlung, welche Größe geschätzt oder getestet wird und ob diese Größe deine Frage trifft. Für das eigene Beispiel einer Bearbeitungszeit wären Einheit, Gruppierung und Verteilung wichtig; für eine geordnete Antwortskala wäre zusätzlich die Messannahme zu begründen. Vermeide automatische Regeln wie „unter einer bestimmten Fallzahl immer nichtparametrisch“. Stichprobenumfang allein entscheidet weder über Design noch über sämtliche Voraussetzungen.

Weiterführend: NIST: Two-Sample t-Test

3. Entscheidungen vor der Ergebniswahl festhalten

Definiere primäre Fragestellung und Analyse möglichst vor der Betrachtung der Ergebnisse. Dokumentiere den Umgang mit fehlenden Werten und Ausschlüssen. Wenn du nachträglich zusätzliche Analysen ausprobierst, kennzeichne sie als explorativ.

Wähle nicht nach mehreren Versuchen den Test aus, der den kleinsten p-Wert liefert. Bei mehreren Tests gehört der Umgang mit Mehrfachprüfungen in den Analyseplan. Bei Unsicherheit über verschachtelte oder longitudinale Daten ist fachliche Statistikberatung sinnvoll.

Schreibe einen kurzen Analyseplan mit primärer Frage, Zielgröße, Verfahren, Ausschlussregeln, Behandlung fehlender Werte und vorgesehenen Zusatzanalysen. Notiere, welche Entscheidungen bereits feststanden und welche erst nach Sichtung der Daten entstanden. Explorative Analysen sind nicht wertlos; sie müssen als solche erkennbar sein. Wenn viele Tests durchgeführt werden, kläre die gemeinsame Prüfstrategie statt nur ausgewählte Ergebnisse hervorzuheben. Bei verschachtelten Daten, wiederholten Messungen oder schwierigen Missing-Data-Strukturen ist eine qualifizierte Beratung oft sinnvoller als die Auswahl eines möglichst vertrauten Standardtests.

Weiterführend: American Statistical Association (2016): Statement on Statistical Significance and P-Values

4. Mehr als den Testnamen berichten

Halte fest, welches Verfahren in welcher Software verwendet wurde, welche Fälle eingingen und wie du Voraussetzungen geprüft hast. Ergänze zum Testergebnis passende deskriptive Werte, Effektmaße und Unsicherheitsangaben.

Ein Tool kann anhand deiner Eingaben Verfahren vorschlagen. Ob deine tatsächlichen Daten die Voraussetzungen erfüllen, lässt sich aus einer kurzen Auswahlmaske allein nicht zuverlässig entscheiden.

Kontrolliere nach der Berechnung die verwendeten Fälle und alle relevanten Einstellungen. Berichte neben dem Verfahren, was verglichen wurde, in welcher Richtung und mit welcher Unsicherheit. Bewahre Skript oder nachvollziehbare Analyseschritte auf. Der Abschlusswerk-Statistikfinder unterstützt diesen Plan anhand deiner beschriebenen Variablen und Hypothesen; er rechnet in diesem Ablauf keine hochgeladenen Rohdaten aus. Verwende für tatsächliche Berechnungen geeignete Software und prüfe die Ausgabe fachlich. Eine Empfehlung ist erst dann nützlich, wenn ihre Annahmen und ihre Zielgröße zur realen Untersuchung passen.