Ihr t-Test-Ergebnis verstehen
Dieser Rechner verwendet das übliche zweiseitige Signifikanzniveau α = 0,05, den in der Forschung verbreitetsten Standardwert.
| Zweiseitiger p-Wert | Schlussfolgerung bei α = 0,05 |
|---|---|
| p < 0,05 | Statistisch signifikant — die Nullhypothese, dass kein Unterschied besteht, wird verworfen |
| p ≥ 0,05 | Nicht statistisch signifikant — die Nullhypothese wird nicht verworfen |
- Statistische Signifikanz ist nicht dasselbe wie praktische Bedeutsamkeit: Bei ausreichend großer Stichprobe kann selbst ein winziger, praktisch bedeutungsloser Unterschied einen p-Wert unter 0,05 erzeugen.
- Der hier verwendete Zweistichprobentest ist der t-Test nach Welch, der keine gleichen Varianzen zwischen den Gruppen voraussetzt; die Ergebnisse können daher leicht von Werkzeugen abweichen, die den klassischen Student-t-Test mit gepoolter Varianz verwenden.
- Der t-Test setzt voraus, dass die erhobenen Daten unabhängige Beobachtungen sind und die Stichprobenverteilung des Mittelwerts näherungsweise normal ist, was entweder durch annähernd normalverteilte Ausgangsdaten oder über den zentralen Grenzwertsatz durch einen ausreichend großen Stichprobenumfang erfüllt wird.
- Es handelt sich um einen Rechner auf Basis von Kennzahlen: Er verarbeitet Mittelwert, Standardabweichung und Umfang, die Sie bereits aus Ihren Daten berechnet haben, und keine Liste von Rohdaten.
Was ist ein t-Test?
Ein t-Test ist ein statistischer Hypothesentest, mit dem geprüft wird, ob ein beobachteter Unterschied zwischen Mittelwerten größer ausfällt, als es die zufällige Stichprobenstreuung allein erwarten ließe. Dieser Rechner unterstützt zwei Formen: den Einstichproben-t-Test, der einen Stichprobenmittelwert mit einem festen hypothetischen Wert vergleicht, und den Zweistichproben-t-Test, der die Mittelwerte zweier unabhängiger Stichproben vergleicht.
Für den Zweistichprobenfall verwendet dieser Rechner den t-Test nach Welch, der nicht voraussetzt, dass beide Gruppen gleiche Varianzen aufweisen. Der Welch-Test berechnet die angepassten und häufig nicht ganzzahligen Freiheitsgrade über die Welch-Satterthwaite-Gleichung, was im Allgemeinen ein verlässlicheres Ergebnis liefert als der klassische Student-t-Test mit gepoolter Varianz, sofern sich die Standardabweichungen der beiden Stichproben unterscheiden.
Beide Varianten geben einen zweiseitigen p-Wert aus, der also Hinweise auf einen Unterschied in beide Richtungen erfasst, nach oben wie nach unten, und das Ergebnis wird mit dem üblichen Signifikanzniveau α = 0,05 verglichen: p-Werte unter 0,05 werden typischerweise als statistisch signifikant bezeichnet, Werte ab 0,05 hingegen nicht.
So verwenden Sie diesen t-Test-Rechner
- Wählen Sie die Testart: Einstichprobentest, um einen Stichprobenmittelwert mit einem festen Wert zu vergleichen, oder Zweistichprobentest, um die Mittelwerte zweier unabhängiger Stichproben zu vergleichen.
- Geben Sie für einen Einstichprobentest Mittelwert, Standardabweichung und Umfang der Stichprobe sowie den hypothetischen Mittelwert der Grundgesamtheit (μ₀) ein, gegen den Sie prüfen.
- Geben Sie für einen Zweistichprobentest Mittelwert, Standardabweichung und Umfang beider Stichproben ein.
- Lesen Sie t-Wert, Freiheitsgrade und zweiseitigen p-Wert ab und vergleichen Sie den p-Wert mit Ihrem gewählten Signifikanzniveau, üblicherweise α = 0,05.
Die Formel hinter dem t-Test
t-Wert für eine Stichprobe: t = (x̄ − μ₀) / (s / √n), mit den Freiheitsgraden df = n − 1, wobei x̄ der Stichprobenmittelwert, s die Standardabweichung der Stichprobe und μ₀ der hypothetische Mittelwert der Grundgesamtheit ist.
t-Wert nach Welch für zwei Stichproben: t = (x̄₁ − x̄₂) / √(s₁² / n₁ + s₂² / n₂). Die Freiheitsgrade werden über die Welch-Satterthwaite-Gleichung geschätzt: df = (s₁²/n₁ + s₂²/n₂)² / [ (s₁²/n₁)² / (n₁ − 1) + (s₂²/n₂)² / (n₂ − 1) ], die keine gleichen Varianzen der beiden Grundgesamtheiten voraussetzt.
Der zweiseitige p-Wert lautet p = 2 × (1 − T(|t|, df)), wobei T die Verteilungsfunktion der t-Verteilung nach Student mit den berechneten Freiheitsgraden bezeichnet.
Rechenbeispiel (eine Stichprobe): Mittelwert = 52,1, Standardabweichung = 4,5, n = 30, hypothetischer Mittelwert μ₀ = 50. t = (52,1 − 50) / (4,5 / √30) ≈ 2,556, df = 29, und der zweiseitige p-Wert liegt unter 0,05, weshalb der Unterschied auf dem 5%-Niveau statistisch signifikant ist.
Häufige Fehler
- Statistische Signifikanz mit praktischer Bedeutsamkeit gleichsetzen; ein sehr kleiner p-Wert zeigt lediglich an, dass der Unterschied unter der Nullhypothese unwahrscheinlich wäre, nicht dass er groß oder in der Praxis bedeutsam ist.
- Annehmen, dieser Rechner poole die Varianzen beider Stichproben; er verwendet den Welch-Test, der unterschiedliche Varianzen zulässt, weshalb Freiheitsgrade und p-Wert von einer Berechnung mit gepoolter Varianz abweichen können.
- Einen zweiseitigen p-Wert an einer einseitigen Entscheidungsregel messen, was das beabsichtigte Signifikanzniveau faktisch halbiert und die scheinbare Signifikanz aufbläht.
- Einen t-Test für unabhängige Stichproben auf gepaarte Daten oder Messwiederholungen anwenden, etwa auf Vorher-nachher-Messungen an denselben Personen, für die stattdessen ein gepaarter t-Test erforderlich ist.
- Viele t-Tests an denselben Daten rechnen, ohne das Signifikanzniveau anzupassen, wodurch die Wahrscheinlichkeit für mindestens ein falsch positives Ergebnis deutlich über 5% steigt.
Häufig gestellte Fragen
Was ist der Unterschied zwischen einem Ein- und einem Zweistichproben-t-Test?
Ein Einstichproben-t-Test vergleicht den Mittelwert einer einzelnen Stichprobe mit einem festen hypothetischen Wert (μ₀). Ein Zweistichproben-t-Test vergleicht die Mittelwerte zweier unabhängiger Stichproben miteinander und prüft, ob ihr Unterschied größer ausfällt, als es die zufällige Streuung allein erwarten ließe.
Warum verwendet dieser Rechner den Welch-Test statt des Student-t-Tests?
Der t-Test nach Welch setzt keine gleichen Varianzen der beiden Stichproben voraus und ist daher robuster, wenn sich die Standardabweichungen unterscheiden, was in der Praxis häufig vorkommt. Er berechnet über die Welch-Satterthwaite-Gleichung angepasste, oft nicht ganzzahlige Freiheitsgrade statt der einfachen n₁ + n₂ − 2 des klassischen Tests mit gepoolter Varianz.
Was bedeutet ein p-Wert unter 0,05?
Er bedeutet, dass unter der Annahme einer zutreffenden Nullhypothese, dass also tatsächlich kein Unterschied besteht, ein mindestens so großer Unterschied allein durch Stichprobenstreuung in weniger als 5% der Fälle aufträte. Nach der üblichen Schwelle α = 0,05 gilt das als statistisch signifikant. Der p-Wert ist dabei nicht die Wahrscheinlichkeit, dass die Nullhypothese zutrifft, und er sagt nichts über Größe oder praktische Bedeutung des Unterschieds aus.
Ist statistische Signifikanz dasselbe wie praktische Bedeutsamkeit?
Nein. Ein statistisch signifikantes Ergebnis (p < 0,05) zeigt lediglich an, dass der beobachtete Unterschied unter der Nullhypothese unwahrscheinlich wäre. Bei ausreichend großem Stichprobenumfang kann selbst ein sehr kleiner, praktisch unbedeutender Unterschied statistisch signifikant werden, weshalb die Effektstärke stets neben dem p-Wert berichtet und mitbedacht werden sollte.
Warum sind die Freiheitsgrade beim Zweistichprobentest keine ganze Zahl?
Der t-Test nach Welch berechnet die Freiheitsgrade mit der Welch-Satterthwaite-Gleichung, die Varianzen und Umfänge beider Stichproben so verbindet, dass im Allgemeinen ein nicht ganzzahliges Ergebnis entsteht. Genau diese Anpassung hält den Test auch dann genau, wenn die Varianzen der beiden Gruppen ungleich sind.
Welche Stichprobenumfänge verlangt dieser t-Test?
Jede Stichprobe benötigt mindestens 2 Beobachtungen, damit Standardabweichung und Freiheitsgrade definiert sind. In der Praxis arbeitet der t-Test am besten mit annähernd normalverteilten Daten oder, über den zentralen Grenzwertsatz, mit einem ausreichend großen Stichprobenumfang; als grober Anhaltspunkt gilt häufig n von 30 oder mehr je Gruppe, selbst wenn die zugrunde liegenden Daten etwas von der Normalverteilung abweichen.
Quellenangaben
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — two-sample t-test for equal means. nist.gov.
- Welch BL. The generalization of 'Student's' problem when several different population variances are involved. Biometrika 1947; 34(1-2): 28-35.
- Satterthwaite FE. An approximate distribution of estimates of variance components. Biometrics Bulletin 1946; 2(6): 110-114.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (one- and two-sample t procedures).
- Student (Gosset WS). The probable error of a mean. Biometrika 1908; 6(1): 1-25 (origin of the t-distribution).