Mann-Whitney-U-Test einfach erklärt und in SPSS berechnen

Benjamin LohrerFachlich geprüft von Benjamin Lohrer, Lektor bei korrektur.de · Stand: 21. Oktober 2026

Wann der Mann-Whitney-U-Test in der Datenanalyse überzeugt

Lesezeit ca. 7 Min. · aktualisiert: 14. Juni 2026 · zurück zum Blog

Mann-Whitney-U-Test: Mit diesem nichtparametrischen Testverfahren lassen sich die Rangverteilungen von zwei voneinander unabhängigen Untersuchungsgruppen gezielt miteinander vergleichen. Da die Methode bereits ab einem ordinalen Skalenniveau einsetzbar ist und keine normalverteilten Messwerte voraussetzt, gehört sie zu den wichtigsten Werkzeugen der empirischen Datenanalyse. In diesem Beitrag zeigen wir dir, für welche Fragestellungen sich das Verfahren eignet, welche statistischen Rahmenbedingungen gelten, wie die Berechnung in SPSS gelingt und worauf es bei der Einordnung sowie beim schriftlichen Berichten von U-Wert, p-Wert und Effektstärke ankommt.

Vorschau der ersten Seite: Statistik berichten: Mustersätze für den ErgebnisteilVorschau der ersten Seite

Kostenlos herunterladen

Statistik berichten: Mustersätze für den Ergebnisteil

Der Mann-Whitney-U-Test mit Auswertung in SPSS, begleitet von Ergebnisblättern nach APA 7 zu deskriptiver Statistik, t-Test, Korrelation, Regression, Varianzanalyse, Chi-Quadrat-Test und Effektstärke.

Word-Vorlage herunterladen (DOCX, 71 KB) PDF ansehen (PDF, 76 KB)

Alle Vorlagen ansehen

Unsere strukturierte Anleitung begleitet dich durch die gesamte Auswertung, erklärt alle Rechenschritte einfach und nachvollziehbar und zeigt dir, wie du beim Mann-Whitney-U-Test den U-Wert zuverlässig in SPSS berechnen und fachgerecht deuten kannst.

Funktionsweise: Was der Mann-Whitney-U-Test inhaltlich prüft

Im Zentrum des Verfahrens steht die Gegenüberstellung der Rangverteilungen zweier unabhängiger Gruppen. Dafür führt der Algorithmus sämtliche Beobachtungswerte aus beiden Teilstichproben zusammen und bringt sie der Größe nach in eine durchgehende gemeinsame Rangordnung. Anschließend wird untersucht, ob die Verteilung dieser Ränge zwischen den beiden Gruppen systematisch voneinander abweicht oder mit identischen Verteilungen vereinbar bleibt. Sofern beide Gruppenverteilungen eine vergleichbare Verteilungsform aufweisen, lässt sich eine systematische Verschiebung der Ränge inhaltlich auch als Lageunterschied interpretieren.

Typische Anwendungsfälle in wissenschaftlichen Arbeiten sind etwa geordnete Bewertungsskalen, klinische Symptomskalen oder erhobene Punktwerte, sofern die Forschungsfrage auf eine Gegenüberstellung der Rangverteilungen abzielt. Allein der Umfang der Stichprobe liefert jedoch noch keine ausreichende Begründung für den Einsatz des Mann-Whitney-U-Tests. Da bei der Berechnung ausschließlich Rangplätze statt der ursprünglichen Rohwerte herangezogen werden, wirken sich extreme Einzelwerte und Ausreißer auf das Testergebnis anders aus als bei einem klassischen Vergleich von Mittelwerten. Bevor du in die inferenzstatistische Prüfung einsteigst, empfiehlt sich stets eine sorgfältige deskriptive Statistik, um die untersuchten Gruppen übersichtlich zu charakterisieren.

Mann-Whitney-U-Test Voraussetzungen prüfen
Mann-Whitney-U-Test im Überblick.

Statistische Voraussetzungen für den nichtparametrischen Gruppenvergleich

Damit die statistische Auswertung methodisch belastbare Resultate liefert, müssen vorab klare Rahmenbedingungen geprüft werden. Zunächst muss das untersuchte Merkmal als abhängige Variable zumindest ordinalskaliert vorliegen, damit sich alle Messwerte in eine eindeutige und sachlogische Rangfolge bringen lassen. Darüber hinaus müssen die beiden verglichenen Gruppen strikt unabhängig voneinander sein, sodass jede untersuchte Person ausschließlich einer einzigen Gruppe angehört. Ebenso gilt innerhalb jeder Teilgruppe das Prinzip unabhängiger Messungen ohne gegenseitige Beeinflussung der Beobachtungen. Wenn die Befunde von der untersuchten Stichprobe auf eine übergeordnete Grundgesamtheit verallgemeinert werden sollen, spielt außerdem die Qualität und Durchführung der Stichprobenziehung eine maßgebliche Rolle.

Normalverteilte Daten verlangt dieser Rangtest ausdrücklich nicht. Wenn du das Testergebnis im Ergebnisteil allerdings konkret als Abweichung zwischen den Medianen beider Gruppen deuten möchtest, müssen sich die Verteilungsformen der beiden Gruppen weitgehend ähneln. Weichen hingegen die Verteilungsform oder die Streuung zwischen den Gruppen merklich voneinander ab, kann ein statistisch signifikantes Resultat ebenso auf diese Verteilungsunterschiede zurückgehen statt auf einen reinen Medianunterschied. Welche Testfamilie für deine Fragestellung am besten geeignet ist, legst du idealerweise bereits bei der Planung deines Vorgehens zum Hypothesentest fest.

Durchführung in SPSS: Schrittweise Anleitung für deine Version

Über den klassischen Menüpfad Analysieren → Nichtparametrische Tests → Alte Dialogfelder → Zwei unabhängige Stichproben öffnest du die entsprechende Berechnungsmaske direkt in SPSS. Dort lässt sich die Analyse in vier übersichtlichen Arbeitsschritten einrichten:

  1. Überführe deine ordinale oder metrische abhängige Zielvariable in das Auswahlfeld Testvariablen.
  2. Setze das trennende Gruppenmerkmal in das Feld Gruppenvariable und hinterlege über die Schaltfläche Gruppen definieren die zugehörigen numerischen Codes der beiden Teilgruppen, beispielsweise 1 und 2.
  3. Stelle sicher, dass im Bereich Testtyp das Kontrollkästchen für Mann-Whitney-U markiert ist.
  4. Bestätige die Eingabe mit einem Klick auf OK und kontrolliere im Ausgabefenster die erzeugten Ergebnistabellen Ränge sowie Statistik für Test, falls deine genutzte SPSS-Version diese Standardbezeichnungen verwendet.

Abhängig von der eingesetzten SPSS-Version kannst du die Berechnung alternativ auch über das neuere Menü Analysieren → Nichtparametrische Tests → Unabhängige Stichproben starten. Wie die Ergebnisansicht dort im Detail aufgebaut ist, richtet sich nach dem jeweiligen Programmstand und den individuell gewählten Optionen. Vertiefende Anleitungen zu verwandten Auswertungsroutinen hält unser SPSS-Statistik-Hub für dich bereit.

Auswertung verstehen: U-Wert, p-Wert und Effektstärke richtig deuten

Nach der Berechnung über die klassischen Dialogfelder weist die Ergebnisausgabe neben dem U-Wert auch die standardisierte z-Statistik sowie die asymptotische Signifikanz aus. Um deine Hypothese statistisch zu prüfen, stellst du den ermittelten p-Wert deiner vorab definierten Irrtumswahrscheinlichkeit gegenüber, die häufig bei 0,05 liegt; unterschreitet der p-Wert diese Schwelle, widerspricht das der Nullhypothese identischer Rangverteilungen. Ob im konkreten Fall die asymptotische oder die exakte Signifikanz herangezogen wird, richtet sich nach dem Stichprobenumfang, auftretenden Rangbindungen und der aktiven SPSS-Einstellung, weshalb du die gewählte Variante im Text transparent angeben solltest.

Da ein kleiner p-Wert für sich genommen noch keine Aussage über das tatsächliche Ausmaß des Gruppenunterschieds erlaubt, gehört zu einer vollständigen Auswertung immer auch ein Maß für die Effektgröße. Hierfür wird üblicherweise die Effektstärke nach der Formel r = z geteilt durch die Quadratwurzel des gesamten Stichprobenumfangs N herangezogen. Zur ersten Orientierung dienen häufig die bekannten Schwellenwerte nach Cohen, bei denen Beträge um 0,1 als schwacher, um 0,3 als mittlerer und ab 0,5 als starker Effekt gelten, wobei die abschließende Bewertung stets im jeweiligen Forschungsfeld verankert werden muss. Auf diese Weise unterscheidest du sauber zwischen reiner statistischer Signifikanz und inhaltlicher Bedeutsamkeit.

Mann-Whitney-U-Test in SPSS berechnen Schritt für Schritt

Abgrenzung und Anwendung als Alternative zum t-Test

Während ein klassischer t-Test für unabhängige Stichproben auf die Gegenüberstellung von arithmetischen Mittelwerten bei metrisch skalierten Variablen ausgelegt ist und gerade bei geringer Fallzahl empfindlich auf Verletzungen der Verteilungsannahmen reagiert, setzt das nichtparametrische Pendant an den Rangplätzen an. Sobald deine Zielvariable mindestens ordinales Niveau erreicht oder deine inhaltliche Fragestellung gezielt auf Unterschiede in den Rangverteilungen abzielt, stellt der Rangtest eine methodisch passende Alternative dar. Dabei solltest du jedoch beachten, dass eine Prüfung von Rangverteilungen inhaltlich nicht exakt dieselbe Fragestellung abdeckt wie ein parametrischer Mittelwertvergleich.

In deiner Abschlussarbeit kommt es vor allem darauf an, die Entscheidung für das gewählte Testverfahren im Methodenteil schlüssig herzuleiten: Gehe dabei auf deine konkrete Forschungsfrage, das vorliegende Skalenniveau, das Untersuchungsdesign sowie die empirische Datenverteilung ein. Formale Vorprüfungen auf Normalverteilung wie der Shapiro-Wilk-Test liefern zwar nützliche Anhaltspunkte, nehmen dir aber die methodische Gesamtabwägung dieser Kriterien nicht ab. Möchtest du hingegen keinen Gruppenunterschied prüfen, sondern die Stärke und Richtung des Zusammenhangs zwischen zwei ordinalen Merkmalen untersuchen, ist anstelle dieses Gruppenvergleichs eine Rangkorrelation als Korrelationsverfahren zu wählen.

Ergebnisse wissenschaftlich korrekt berichten

Für eine nachvollziehbare Darstellung im Ergebnisteil deiner Arbeit nennst du neben den Medianen oder den mittleren Rängen der beiden verglichenen Gruppen auch den berechneten U-Wert, die zugehörige z-Statistik, den ermittelten p-Wert sowie das Maß der Effektgröße. Eine präzise Musterformulierung für den Fließtext lautet beispielsweise: Hinsichtlich der untersuchten Rangverteilungen zeigte sich zwischen beiden Gruppen ein statistisch signifikanter Unterschied, U = 210,00, z = -2,45, p =,014, r =,31.

Achte in deutschsprachigen Manuskripten konsequent auf die Verwendung von Dezimalkommas statt Dezimalpunkten und runde sämtliche Kennwerte auf eine einheitliche Anzahl an Nachkommastellen. Um Flüchtigkeitsfehler bei statistischen Kennwerten und Formvorgaben auszuschließen, lohnt sich vor dem Einreichen ein fachkundiges Korrekturlesen und Lektorat, das Ausdruck, formale Richtlinien und statistische Schreibweisen sorgfältig abgleicht.

Ergänzendes Grundlagenwissen bieten unsere weiterführenden Beiträge zu Stichprobe und Grundgesamtheit und zum Konfidenzintervall sowie viele weitere Leitfäden rund um Statistik-Grundlagen und SPSS.

So zitierst du diese Seite

Stand: 21. Oktober 2026

korrektur.de. (2026, 21. Oktober). Mann-Whitney-U-Test: Anleitung und Auswertung in SPSS. korrektur.de. https://korrektur.de/mann-whitney-u-test

Lass Methodenteil und Resultate vor dem Upload bei korrektur.de sprachlich und formal prüfen; die fachliche Prüfung bleibt deine Verantwortung.

Datei hochladen

Häufige Fragen zum Mann-Whitney-U-Test

Wann verwende ich den Mann-Whitney-U-Test statt eines t-Tests?

Der nichtparametrische Rangtest bietet sich immer dann an, wenn zwei voneinander unabhängige Gruppen hinsichtlich einer mindestens ordinalskalierten Zielvariable gegenübergestellt werden und deine Forschungsfrage gezielt auf Unterschiede in den Rangverteilungen ausgerichtet ist. Einzelne Kriterien wie ordinale Messwerte, eine verletzte Normalverteilungsannahme oder ein geringer Stichprobenumfang legen die Verfahrenswahl jedoch nicht isoliert fest. Steht stattdessen ein Vergleich der Gruppenmittelwerte im Fokus, kann abhängig von der konkreten Datenstruktur auch ein passender t-Test die richtige Wahl sein.

Welches Skalenniveau müssen meine Daten haben?

Damit sich alle Beobachtungswerte in eine sinnvolle Reihenfolge bringen lassen, setzt die untersuchte abhängige Variable mindestens ein ordinales Skalenniveau voraus. Auch metrisch skalierte Merkmale können problemlos ausgewertet werden, wobei das Programm die ursprünglichen Messwerte für die Testberechnung intern in entsprechende Rangplätze überführt.

Was bedeutet ein signifikanter p-Wert genau?

Legst du deiner Prüfung ein übliches Signifikanzniveau von 0,05 zugrunde, weist ein ermittelter p-Wert unterhalb von 0,05 auf einen überzufälligen Unterschied zwischen den Rangverteilungen der beiden untersuchten Gruppen hin. Über die konkrete Richtung oder das praktische Ausmaß dieses Unterschieds gibt der Signifikanzwert allein jedoch keine Auskunft, weshalb du im Ergebnisteil stets auch die Effektstärke r angeben solltest.

Wie berechne ich die Effektstärke?

In der Praxis wird das Effektmaß meist nach der Beziehung r = z geteilt durch die Quadratwurzel des Gesamtstichprobenumfangs N bestimmt. Zur Einordnung werden verbreitet die Richtwerte nach Cohen herangezogen, wonach Werte um 0,1 für einen kleinen, um 0,3 für einen mittleren und ab 0,5 für einen großen Effekt stehen; dennoch sollte die Bewertung immer vor dem Hintergrund des jeweiligen Fachgebiets erfolgen.

Muss ich exakte oder asymptotische Signifikanz berichten?

Welche der beiden Signifikanzangaben im Ergebnisbericht vorzuziehen ist, richtet sich insbesondere nach dem Umfang deiner Stichprobe, der Häufigkeit verbundener Ränge sowie der genutzten SPSS-Einstellung. Gib im Methodenteil oder Ergebnisteil transparent an, welche Berechnungsart du gewählt hast, und greife bei geringen Fallzahlen nach Möglichkeit auf die exakte Signifikanz zurück, sofern diese ausgegeben wird.

Unsere Partner