t-Test in der Statistik einfach erklärt
t-Test, Mittelwertvergleich zweier Gruppen
Der t-Test vergleicht die Mittelwerte zweier Gruppen und prüft, ob der Unterschied statistisch signifikant ist. Er ist eines der häufigsten Verfahren in Bachelorarbeiten, „Schätzen Frauen ihren Lernerfolg anders ein als Männer?", „Lernen Studierende mit Plattform-Zugang besser als ohne?". Diese Anleitung zeigt dir die drei wichtigsten t-Test-Varianten, inklusive SPSS-Anleitung. Hier wird der t-Test einfach und mit Beispielen aus der Statistik in Bachelorarbeiten erklärt.
Drei t-Test-Typen
- Einstichproben-t-Test: Vergleicht den Mittelwert deiner Stichprobe mit einem theoretischen Wert (z. B. „Liegt der Lernerfolg über dem neutralen Wert von 3?").
- t-Test für unabhängige Stichproben: Vergleicht zwei Gruppen, die unabhängig sind (z. B. Frauen vs. Männer).
- t-Test für gepaarte Stichproben: Vergleicht zwei Messungen derselben Personen (z. B. vor und nach einer Intervention).
Voraussetzungen
- Abhängige Variable intervall- oder verhältnisskaliert.
- Normalverteilung in beiden Gruppen (bei n > 30 pro Gruppe relaxierbar).
- Bei unabhängigen Stichproben: Varianzhomogenität (Levene-Test). Bei Verletzung Welch-t-Test verwenden.
- Unabhängigkeit der Beobachtungen.
SPSS: t-Test für unabhängige Stichproben
- Analysieren → Mittelwerte vergleichen → t-Test bei unabhängigen Stichproben.
- Testvariable und Gruppenvariable wählen.
- Gruppen definieren (z. B. 1 = männlich, 2 = weiblich).
- OK klicken.
R: t-Test
# Unabhängige Stichproben
t.test(Lernerfolg ~ Geschlecht, data = daten)
# Gepaart
t.test(daten$Lernerfolg_t1, daten$Lernerfolg_t2, paired = TRUE)
# Welch (bei verletzter Varianzhomogenität)
t.test(Lernerfolg ~ Geschlecht, data = daten, var.equal = FALSE)
Bericht in der Arbeit
„Frauen (M = 4.21, SD = 0.78) und Männer (M = 4.18, SD = 0.81) unterschieden sich nicht signifikant in der Selbsteinschätzung des Lernerfolgs, t(238) = 0.32, p = 0.75, d = 0.04."
Format: t-Wert mit Freiheitsgraden (n minus 2 bei unabhängig, n minus 1 bei gepaart), p-Wert, Effektstärke (Cohen's d).
Effektstärke Cohen's d
Cohen's d = (M1 minus M2) / SD_pooled. Faustregeln:
- d = 0.2: kleiner Effekt.
- d = 0.5: mittlerer Effekt.
- d = 0.8: großer Effekt.
Was bei verletzten Voraussetzungen?
- Keine Normalverteilung: Mann-Whitney-U-Test (unabhängig) oder Wilcoxon-Test (gepaart).
- Keine Varianzhomogenität: Welch-t-Test (in SPSS automatisch in der zweiten Output-Zeile).
Häufige Fehler
- Effektstärke vergessen.
- Mehrere t-Tests bei mehr als zwei Gruppen statt ANOVA.
- Voraussetzungen nicht geprüft.
- Welch-Output ignoriert, obwohl Varianzhomogenität verletzt ist.
Mehr typische Stolperfallen findest du in unserem Beitrag zu häufigen Fehlern in Bachelorarbeit und Masterarbeit. Im Lektorat wird die Berichtsweise des t-Tests geprüft.
