Effektstärken — Cohens d, Eta-Quadrat und Co.
Effektstärken in der Statistik — was wann verwendet wird
Effektstärken sind 2026 Pflicht in jeder empirischen Bachelorarbeit. Wer p-Werte ohne Effektstärken berichtet, hat die Statistik nicht verstanden. Diese Seite zu Effektstärken erklärt Cohens d, Eta-Quadrat, r und Odds-Ratio — wann welche Effektstärke verwendet wird und wie du Effektstärken interpretierst. Effektstärken sind das Werkzeug, mit dem aus statistischer Signifikanz praktische Relevanz wird.
Warum Effektstärken zählen
Effektstärken zeigen, wie groß ein Effekt ist, nicht nur ob er signifikant ist. Cohens d, Eta-Quadrat und Co. ergänzen p-Werte und sind in modernen Berichten Pflicht. Wer die Methodik und die quantitative Forschung sauber führt, gibt Effektstärken zu jedem Test an.
Cohens d
Cohens d ist die Effektstärke für Mittelwertvergleiche. d=0,2 klein, d=0,5 mittel, d=0,8 groß. Cohens d passt zum t-Test und ist auch in G*Power Standard. Für gepaarte Stichproben gibt es Varianten wie d_z.
Eta-Quadrat und Omega-Quadrat
Eta-Quadrat ist die Effektstärke für die ANOVA. Es misst, wie viel Varianz ein Faktor erklärt. Partielles Eta-Quadrat ist Standard in SPSS, Omega-Quadrat ist weniger verzerrt. Eta-Quadrat-Werte: 0,01 klein, 0,06 mittel, 0,14 groß. Cohens d, Eta-Quadrat und Co. wandeln sich ineinander um.
r, Odds-Ratio und Konfidenzintervalle
r ist die Effektstärke für Korrelationen, Odds-Ratio für logistische Regression. Cohens d, Eta-Quadrat und Co. brauchen immer Konfidenzintervalle, sonst ist die Effektstärke nur ein Punktwert. Für komplexe Modelle siehe Mediation und Moderation und Strukturgleichungsmodelle.
Bericht und Fallstricke
Effektstärken stehen direkt am Testergebnis, inklusive Vorzeichen und Skala. Cohens d, Eta-Quadrat und Co. verlieren ihre Aussage, wenn man Vorzeichen umkehrt oder Skalen mischt. In deskriptiver Statistik und Inferenzstatistik gehört die Effektstärke zur Standardsprache. Vor Abgabe empfehlen sich ein Lektorat, eine Plagiatsprüfung und ein KI-Check.
Berechnung und Interpretation von Cohens d
Cohens d ist die wohl bekannteste Effektstärke und gibt den standardisierten Mittelwertunterschied zwischen zwei Gruppen an. Berechnet wird Cohens d, indem die Differenz der beiden Mittelwerte durch die gepoolte Standardabweichung dividiert wird. Werte um 0,2 gelten nach Cohen als kleiner Effekt, 0,5 als mittlerer und 0,8 als großer Effekt. Wichtig ist, dass Cohens d unabhängig von der Stichprobengröße interpretiert werden kann, anders als der p-Wert. Studierende sollten in ihrer Bachelorarbeit immer Effektstärken zusätzlich zu Signifikanztests berichten, da die APA-Richtlinien dies seit Jahren fordern. Auch SPSS, JASP und R liefern Cohens d direkt oder über einfache Formeln. Wer mehrere Gruppen vergleicht, nutzt stattdessen Eta-Quadrat oder Omega-Quadrat. Bevor du die Werte in deinen Methodikteil einbaust, lohnt ein Blick in Methodik der Bachelorarbeit und Statistik mit SPSS und R, um die Interpretation sauber abzustimmen.
Eta-Quadrat in Varianzanalysen richtig nutzen
Eta-Quadrat ist die Standard-Effektstärke für Varianzanalysen, kurz ANOVA, und beschreibt den Anteil der erklaerten Varianz an der Gesamtvarianz. Werte von 0,01 gelten als kleiner, 0,06 als mittlerer und 0,14 als großer Effekt. Ein bekanntes Problem von Eta-Quadrat ist die Aufblaehung bei mehreren Faktoren, weshalb häufig das partielle Eta-Quadrat berichtet wird. Es gibt den Anteil erklaerter Varianz bezogen auf einen Faktor an, nachdem andere Faktoren herausgerechnet wurden. Studierende sollten zusätzlich Omega-Quadrat berechnen, da es weniger verzerrt ist, besonders bei kleinen Stichproben. Effektstärken sollten immer mit 95-Prozent-Konfidenzintervallen berichtet werden, um die Präzision der Schätzung zu zeigen. Bevor die Arbeit eingereicht wird, sollten die statistischen Aussagen und ihre Interpretation über ein Lektorat der Masterarbeit oder bei Promotionen über ein Lektorat der Dissertation laufen. Ein zusätzlicher Check durch eine Plagiatsprüfung und eine KI-Detektor-Analyse sichert die Qualität ab.