Folgende Fragen werden in diesem Artikel beantwortet:

  • Was ist ein statistischer Test?
  • Was ist ein Hypothesentest?
  • Was sind multivariate Tests?
  • Warum gibt es verschiedene statistische Tests?
  • Welche statistischen Tests gibt es?

Sollten Sie Unterstützung bei Ihren statistischen Tests benötigen, helfen unsere Statistiker Ihnen gerne weiter. Nutzen Sie einfach unser Kontaktformular für eine kostenlose Beratung & ein unverbindliches Angebot – oder rufen Sie uns an.

Lassen Sie uns Ihre Anforderungen wissen & wir erstellen Ihnen innerhalb weniger Stunden ein kostenfreies Angebot.

Jetzt unverbindlich anfragen

Was ist ein statistischer Test?

Die Statistik beantwortet oft Fragen bezüglich der Unterschiede zwischen zwei Gruppen von Personen oder Daten. Beispielsweise: Haben Frauen im Schnitt kleinere Füße als Männer? Haben die Teilnehmer, die eine bestimmte Lernmethode verwendet haben, später bessere Testergebnisse als die Kontrollgruppe? Sind kranke Mäuse, die das zu testende Medikament erhalten haben, mit größerer Wahrscheinlichkeit wieder gesund geworden als diejenigen, die nicht behandelt wurden? Werden in Stuttgart mehr Schuhe gekauft als in Berlin?
Solche Unterschiede nachzuweisen ist schwierig. Denn die Individuen in jeder Gruppe sind nicht gleich. Die Schuhgröße hängt nicht nur vom Geschlecht und das Testergebnis nicht nur von der Lernmethode ab. Die Mäuse sind verschieden robust, sowohl in Stuttgart als auch in Berlin gibt es Menschen mit unterschiedlichen Gehaltsklassen. Die Statistik kennt verschiedene Verfahren, um den Einfluss einer unabhängigen Variablen (z.B. Geschlecht) auf eine abhängige Variable (z.B. Schuhgröße) herauszurechnen oder quantitativ einzuschätzen, wie wahrscheinlich es ist, dass Frauen tatsächlich kleinere Füße haben als Männer. Selbst wenn die Daten tausender von Menschen aufzeigen, dass der Durchschnitt in der Frauengruppe kleiner ist als in der Männergruppe, so könnte dieser Unterschied immer noch zufällig entstanden sein. Je größer die Datenmenge, umso unwahrscheinlicher wird ein solcher Fehler allerdings.
Einen echten Beweis im mathematischen Sinne kann die Statistik nicht liefern. Sie kann aber angeben, mit welcher Wahrscheinlichkeit eine Schlussfolgerung vermutlich richtig oder falsch ist. Genau dazu dienen statistische Tests.

Was ist ein Hypothesentest?

Leider ist es immer leichter, eine Hypothese (=Vermutung) zu widerlegen als sie zu beweisen. Ein einziger schwarzer Schwan genügt, um die Hypothese „Alle Schwäne sind weiß“ zu widerlegen. Oder: Wenn wir messen, dass die Schuhgrößen von Frauen kleiner sind als die von Männern, kann man immer noch bezweifeln, dass dies allgemein gilt. Vielleicht war die Stichprobengröße zu klein?
Darum geht man beim Hypothesentest so vor, dass man zuerst eine Nullhypothese definiert. Diese ist das Gegenteil von dem, was man beweisen will. Will man also nachweisen, dass Frauen kleinere Füße als Männer haben, definiert man die Nullhypothese H0 „Frauen haben größere oder gleich große Füße wie Männer“. Diese Nullhypothese versucht man zu widerlegen.
Man sammelt nun Schuhgrößen von Männern und Frauen und berechnet für beide Gruppen den Mittelwert und die Standardabweichung. Stellt sich heraus, dass die Schuhgrößen von Frauen untereinander und von Männern untereinander sehr stark variieren (= große Standardabweichungen), dann ist es wahrscheinlicher, dass ein beobachteter Unterschied des Mittelwerts zufällig entstanden sein könnte. Vielleicht hat man zufällig vor allem kleine Frauen mit großen Männern verglichen?
 
Es gibt nun vier Möglichkeiten:

  • H0 ist richtig und wird als richtig angenommen. Dies wäre richtig.
  • H0 ist richtig und wird als falsch verworfen. Dies wäre ein Fehler 1. Art (oder α-Fehler).
  • H0 ist falsch und wird als richtig angenommen. Dies wäre ein Fehler 2. Art (oder β-Fehler).
  • H0 ist falsch und wird als falsch verworfen. Dies wäre richtig.

Auch wenn man anhand von Daten aus einer Stichprobe nicht wirklich beweisen kann, ob die Nullhypothese H0 richtig oder falsch ist, kann man doch mit Hilfe statistischer Tests die Größe des α-Fehlers und des β-Fehlers berechnen. Je kleiner diese Fehler, umso sicherer kann man sein, die richtige Schlussfolgerung aus den Daten gezogen zu haben.

Was sind multivariate Tests?

Während sich Hypothesentests auf zwei Variablen konzentrieren – die unabhängige und die abhängige – können multivariate statistische Tests Abhängigkeiten zwischen deutlich mehr Variablen untersuchen, finden und ihre Stärke abschätzen. Beispielsweise könnte man mit einem multivariaten Test den Einfluss nicht nur des Geschlechts, sondern auch der Körpergröße und des Alters auf die Schuhgröße untersuchen.

Warum gibt es verschiedene statistische Tests?

Es gibt verschiedene Arten von Daten, z.B. auf verschiedenen Skalen (Nominal- oder Ordinalskala, Intervall-, Verhältnis- oder Absolutskala). Manchmal setzt der statistische Test voraus, dass die Daten normalverteilt sind, also einer Gaußschen Glockenkurve folgen. Andere Tests setzen dies nicht voraus. Je nach Datenskala und Verteilung der Daten sind jeweils unterschiedliche statistische Tests nötig. Das Vorliegen der Voraussetzungen muss vor der Durchführung der Tests auf jeden Fall geprüft werden, um sicher zu stellen, den richtigen Test auszuwählen. Sonst erhalten Sie ungültige Ergebnisse.

Welche statistischen Tests gibt es?

Statistische Tests gibt es in unterschiedlichsten Versionen – Zu den wichtigsten zählen folgende Varianten:

  • Die Varianzanalyse prüft Mittelwertunterschiede zwischen Gruppen.
  •  

  • Die Diskriminanzanalyse untersucht Unterschiede zwischen zwei und mehr Gruppen, die anhand mehrerer Variablen beschrieben werden.
  •  

  • Die Ausreißererkennung entdeckt gerade diejenigen Fälle, die von der Norm abweichen.
  •  

  • Die Assoziationsanalyse identifiziert Regeln wie „Wenn A, dann B“.
  •  

  • Die lineare oder nichtlineare Regression erklärt die Änderungen einer abhängigen Variablen durch die Änderungen einer oder mehrerer unabhängiger Variablen.
  •  

  • Die Faktorenanalyse wertet im Gegensatz zu Korrelations- und Regressionsanalyse die Zusammenhänge zwischen allen Variablen aus und sortiert dann die weniger relevanten Faktoren wieder aus, um sich auf die relevanten Zusammenhänge zu konzentrieren.
  •  

  • Die Diskriminanzanalyse prüft, anhand welcher Variablen sich zwei oder mehr Gruppen deutlich voneinander unterscheiden.
  •  

  • Log-lineare Analyse stellen mehrdimensionale Häufigkeitstabellen ordinaler Daten in einer logarithmischen Transformation dar, so dass Haupteffekte und Interaktionen besser unterschieden werden können.
  •  

  • Die Kanonische Korrelationsanalyse misst die Zusammenhänge zwischen zwei Gruppen von Daten.
  •  

  • Zeitreihenanalysen finden zeitliche Trends oder Datenreihen, die einen ähnlichen Verlauf aufweisen.
  •  

  • Fouriertransformationen filtern zeitliche Zyklen und Wiederholungen aus den Datenreihen heraus.
  •  

  • Der F-Test testet eine Verteilung auf Streuung.
  •  

  • Der Shapiro-Wilk-Test prüft eine Verteilung auf Normalverteilung.
  •  

  • Der Chi-Quadrat-Test prüft für diskrete Werte die Abhängigkeiten zwischen Gruppen.
  •  

  • Der Student-Test (auch T-Test genannt) und der Wilcoxon-Mann-Whitney-Test vergleichen die Lage zweier unabhängiger Stichproben.
  •  

  • Der Kruskal-Wallis-Test und der ANOVA-Test vergleichen die Lage von drei oder mehr Gruppen unabhängiger Stichproben.
  •  

  • Der Wilcoxon-Vorzeichen-Rang-Test vergleicht die Lage zweier abhängiger Stichproben (bspw. Paarvergleiche).
  •  

  • Der Friedman-Test vergleicht die Lage von drei oder mehr Gruppen abhängiger Stichproben.