z-Werte standardisieren: Die Bezugsgruppe gehört zum Ergebnis

1. Vor der Formel die Referenz festlegen

Bei der üblichen z-Standardisierung wird vom Wert ein Referenzmittelwert abgezogen und durch eine Referenzstandardabweichung geteilt. NIST unterscheidet diese Grunddefinition von speziellen z-Kennwerten mit vorgegebenen Vergleichswerten für Laborprüfungen. Übernimm solche speziellen Bewertungsgrenzen nicht als allgemeine Regel für deine Abschlussarbeit. Schreibe zuerst auf, worauf sich dein Abstand beziehen soll: die gesamte Analysestichprobe, eine vorher definierte Referenzgruppe oder eine externe Norm. Diese Entscheidung lässt sich nicht aus der Formel allein ablesen.

Erstelle eine eigene Referenzkarte mit Variable, Ausgangseinheit, Referenzbestand und den tatsächlich verwendeten Kennwerten. Unser ausdrücklich fiktives Rechenbeispiel verwendet einen Wert von 70 Punkten, einen Referenzmittelwert von 50 und eine Standardabweichung von 10 Punkten. Daraus ergibt sich z gleich zwei. Das bedeutet einen Abstand von zwei dieser Referenzstandardabweichungen nach oben. Es ist weder eine Note noch unmittelbar ein Prozentrang. Ein anderer Referenzbestand kann demselben Rohwert einen anderen standardisierten Wert zuweisen.

Weiterführend: NIST Dataplot: ISO 13528 ZSCORE, Abgrenzung der Standarddefinition

2. Zentrieren und Skalieren getrennt kontrollieren

Die R-Funktion scale erlaubt getrennte Einstellungen für Zentrierung und Skalierung. Bei den üblichen Standardeinstellungen wird spaltenweise zentriert und anschließend durch die Standardabweichung geteilt; ohne Zentrierung hat die automatische Skalierung eine andere Bedeutung. Prüfe daher den tatsächlichen Funktionsaufruf und nicht nur die Überschrift Standardisierung im Menü. Bewahre die verwendeten Zentrierungs- und Skalierungswerte auf. Bei einer Variablen ohne Streuung ist eine Division durch ihre Standardabweichung nicht als gewöhnlicher z-Wert möglich.

Kontrolliere zunächst eine kleine eigene Zahlenfolge von Hand und vergleiche sie mit der Softwareausgabe. Prüfe danach die wirklichen Analysevariablen einzeln: Sind sie numerisch korrekt kodiert, welche Fälle tragen zu den Referenzwerten bei und welche Werte fehlen? Speichere die standardisierte Fassung als zusätzliche Variable, damit der Rückweg zur Originaleinheit nachvollziehbar bleibt. Notiere im Datenwörterbuch die Formel vollständig. Ein abgeleiteter Wert darf später nicht versehentlich noch einmal standardisiert oder als ursprünglicher Messwert in eine Tabelle übernommen werden.

Weiterführend: R Core: Scaling and Centering of Matrix-like Objects

3. Gruppen nicht unbemerkt auf eigene Nullpunkte setzen

Entscheide bewusst, ob alle Gruppen dieselbe Referenz verwenden. Wenn jede Gruppe mit ihrem eigenen Mittelwert zentriert wird, beziehen sich die Abstände jeweils auf verschiedene Nullpunkte. Ein anschließender Vergleich dieser z-Werte ist dann nicht einfach derselbe Vergleich wie auf der Originalskala. Für deine Interpretation braucht es eine klare Frage: Geht es um absolute Unterschiede oder um die relative Position innerhalb einer Gruppe? Schreibe beide Ziele getrennt auf, bevor du eine praktische Softwareoption zum gruppenweisen Skalieren auswählst.

Als eigene Gegenprobe zeichnest du zwei Achsen mit verschiedenen Rohmittelwerten und markierst auf jeder den gruppeneigenen Nullpunkt. Ergänze daneben eine dritte Achse mit gemeinsamer Referenz. Beschreibe in einem Satz, was sich durch die Umrechnung verändert hat. Diese Skizze benötigt keine echten Teilnehmerdaten und ist keine empirische Abbildung. Sie macht einen möglichen Interpretationswechsel sichtbar. Bei wiederholten Messungen kontrollierst du zusätzlich, ob die Referenz über Zeit konstant bleiben soll oder bewusst neu bestimmt wird.

4. Abstand, Verteilungsform und Bedeutung auseinanderhalten

Prüfe auch, was bei einer späteren Datenergänzung passieren soll. Soll dieselbe veröffentlichte Referenz weitergelten oder werden die Kennwerte bewusst neu geschätzt? Vermerke die Entscheidung mit Versionsdatum auf der Referenzkarte. Vergleiche keine Tabellenstände, deren Bezugsgrundlage unbemerkt gewechselt hat. Für einen nachvollziehbaren Arbeitsstand gehören deshalb Rohdatenversion, eingeschlossene Referenzfälle und gespeicherte Umrechnungsparameter zusammen. Diese Angaben machen die Standardisierung nachprüfbar, ohne eine externe Norm zu erfinden.

Eine lineare Verschiebung und positive Skalierung beseitigen keine Schiefe und machen Beobachtungen nicht unabhängig. Der standardisierte Abstand ist deshalb kein allgemeines Gütesiegel für ein statistisches Modell. Auch unterschiedliche Konstrukte werden nicht allein durch dieselbe rechnerische Einheit inhaltlich gleich. Prüfe, warum du Werte vergleichbar machen möchtest und welche fachliche Messannahme dahintersteht. Für eine Ergebnisdarstellung können Originaleinheiten zusätzlich wichtig sein, damit Leser die praktische Größenordnung und nicht nur eine abstrakte Standardabweichungszahl verstehen.

Vervollständige die Referenzkarte mit einem Berichtsentwurf: Formel, Referenzgruppe, eingeschlossene Fälle, verwendete Streuung und Zweck der Umrechnung. Beschreibe im Statistikfinder die Originalvariablen und die geplante Standardisierung in der Variablenliste. Prüfe seine Empfehlung gegen diesen Entwurf. Die reine Testauswahl führt keine Datenaufbereitung aus und kann eine unpassende Referenz nicht anhand eines kurzen Textes ausschließen. Kontrolliere den tatsächlichen Rechenweg in geeigneter Software und bespreche strittige Referenzentscheidungen mit deiner Betreuung, bevor du daraus Gruppenunterschiede oder Bewertungen ableitest.