Signifikanztest Schritt für Schritt: von der Hypothese zur Entscheidung

Fachlich verantwortet von Prof. Dr. Alexander Holtermann · Stand 16.10.2026 · 5 Min. Lesezeit

Ein Signifikanztest läuft in sieben Schritten: Hypothesen, α festlegen, Test wählen, Voraussetzungen prüfen, Teststatistik, p-Wert, Entscheidung.

Das Wichtigste in Kürze

Jeder Signifikanztest folgt demselben Ablauf: Hypothesen formulieren, Signifikanzniveau festlegen, Test wählen, Voraussetzungen prüfen, Teststatistik berechnen, mit p-Wert oder kritischem Wert entscheiden, Ergebnis berichten.
Hypothesen, α und Test legst Du vor der Datenerhebung fest. Nur so schützt Du Dich vor zufällig signifikanten Ergebnissen.
Die Entscheidungsregel lautet: Ist p ≤ α, verwirfst Du die Nullhypothese. Gleichwertig: Der Betrag der Teststatistik ist mindestens so groß wie der kritische Wert.
Ein vollständiges Ergebnis besteht aus Teststatistik, Freiheitsgraden, p-Wert und Effektstärke, etwa t(9) = 3,67, p = ,005, d = 1,16.
Ein nicht signifikantes Ergebnis bestätigt die Nullhypothese nicht. Es zeigt nur, dass die Daten keinen ausreichenden Beleg für einen Effekt liefern.

Überblick: die sieben Schritte

Ob t-Test, Chi-Quadrat-Test oder Korrelation: Alle klassischen Signifikanztests folgen derselben Logik des Nullhypothesen-Signifikanztests (englisch null hypothesis significance testing, NHST). Wenn Du den Ablauf einmal verstanden hast, kannst Du jeden Test einordnen. In diesem Artikel gehst Du alle Schritte an einem durchgehenden Beispiel durch.

Schritt	Was Du tust	wann
1. Hypothesen	H₀ und H₁ aus der Forschungsfrage ableiten	vor der Erhebung
2. Signifikanzniveau	α festlegen, meist 0,05; ein- oder zweiseitig	vor der Erhebung
3. Test und Stichprobe	passenden Test wählen, Stichprobengröße per Power-Analyse planen	vor der Erhebung
4. Voraussetzungen	Skalenniveau, Verteilung, Ausreißer prüfen	nach der Erhebung
5. Teststatistik	t, F, χ² oder r aus den Daten berechnen	nach der Erhebung
6. Entscheidung	p-Wert mit α oder Teststatistik mit kritischem Wert vergleichen	nach der Erhebung
7. Bericht	Ergebnis mit Effektstärke berichten und inhaltlich deuten	nach der Erhebung

Schritt 1: Hypothesen formulieren

Aus Deiner Forschungsfrage leitest Du zwei sich ausschließende Hypothesen ab. Die Nullhypothese H₀ behauptet, dass es keinen Effekt gibt (kein Unterschied, kein Zusammenhang). Die Alternativhypothese H₁ behauptet das Gegenteil und entspricht meist Deiner inhaltlichen Vermutung.

Getestet wird immer die Nullhypothese. Der Test kann sie verwerfen, aber nie beweisen. Formuliere Hypothesen präzise und messbar: Welche Variable, welche Gruppen oder welcher Vergleichswert, welche Richtung?

Schritt 2 und 3: α festlegen, Test wählen, Stichprobe planen

Lege das Signifikanzniveau α fest, in den meisten Fächern 0,05. Es ist die Wahrscheinlichkeit, mit der Du einen Fehler 1. Art in Kauf nimmst. Entscheide außerdem, ob Du ein- oder zweiseitig testest; im Zweifel zweiseitig.

Dann wählst Du den Test nach Fragestellung, Skalenniveau und Gruppenstruktur. Hier wird ein Mittelwert mit einem festen Wert verglichen, die Lernzeit ist metrisch: Das passt zum Einstichproben-t-Test. Mit einer Power-Analyse planst Du schließlich die Stichprobengröße.

Schritt 4: Daten erheben und Voraussetzungen prüfen

Nach der Erhebung beschreibst Du die Daten zunächst deskriptiv und prüfst die Voraussetzungen des gewählten Tests. Für den t-Test sind das metrische Daten, unabhängige Beobachtungen und eine annähernde Normalverteilung, die bei kleinen Stichproben besonders wichtig ist.

Kennwert	Wert
Daten (Lernstunden pro Woche)	21, 25, 19, 23, 26, 22, 24, 20, 27, 23
n	10
Mittelwert M	23,00
Standardabweichung SD	2,58
Schiefe / Kurtosis	0,00 / −0,86
Shapiro-Wilk	W = 0,98, p = ,963

Schritt 5: Teststatistik berechnen

Die Teststatistik fasst zusammen, wie weit Deine Daten von dem abweichen, was unter H₀ zu erwarten wäre, gemessen in Einheiten des Zufallsfehlers. Für den Einstichproben-t-Test lautet sie:

t = (x̄ − μ₀) / (s / √n) mit df = n − 1

Differenz zum Sollwert: 23,00 − 20 = 3,00
Standardfehler: 2,582 / √10 = 2,582 / 3,162 = 0,816
t-Wert: 3,00 / 0,816 = 3,67
Freiheitsgrade: 10 − 1 = 9

Schritt 6: Entscheidung über die Nullhypothese

Für die Entscheidung gibt es zwei gleichwertige Wege. Beim p-Wert-Ansatz vergleichst Du den p-Wert mit α. Beim kritischen-Wert-Ansatz vergleichst Du die Teststatistik mit dem kritischen Wert aus der Tabelle der t-Verteilung. Beide führen immer zum selben Ergebnis; heute ist der p-Wert-Ansatz üblich, weil Programme den exakten p-Wert liefern.

Ansatz	Vergleich	Ergebnis
p-Wert	p = ,005 mit α = ,05	p ≤ α → H₀ verwerfen
kritischer Wert	\|t\| = 3,67 mit t_krit(9) = 2,262	\|t\| ≥ t_krit → H₀ verwerfen
Konfidenzintervall	95-%-KI [21,15; 24,85] enthält 20 nicht	H₀ verwerfen

Schritt 7: Effektstärke berechnen und berichten

Signifikanz allein sagt nicht, wie groß der Effekt ist. Berechne deshalb eine Effektstärke, hier Cohens d für eine Stichprobe: d = (x̄ − μ₀) / s = 3,00 / 2,58 = 1,16. Nach Cohen (1988) ist das ein großer Effekt. Dann formulierst Du das Ergebnis inhaltlich und statistisch vollständig nach APA.

Im Ergebnisteil steht nur, was herauskam. Was es bedeutet, etwa ob das Modulhandbuch den Aufwand unterschätzt, diskutierst Du im Diskussionsteil, zusammen mit den Grenzen der Studie (hier vor allem die kleine Stichprobe).

Typische Fehler im Ablauf

Die meisten Probleme entstehen nicht beim Rechnen, sondern bei der Planung und Deutung.

Hypothesen erst nach Sichtung der Daten formulieren oder die Richtung nachträglich ändern
α nachträglich anpassen, etwa auf 0,10, weil p = ,07 herauskam
Viele Tests rechnen und nur die signifikanten berichten (Alpha-Fehler-Kumulierung, p-Hacking)
„H₀ wurde bestätigt“ schreiben statt „H₀ konnte nicht verworfen werden“
Die Effektstärke weglassen oder einen kleinen p-Wert als großen Effekt deuten

Häufige Fragen

Wie läuft ein Signifikanztest ab?

Hypothesen formulieren, Signifikanzniveau festlegen, Test wählen und Stichprobe planen, Voraussetzungen prüfen, Teststatistik berechnen, mit p-Wert oder kritischem Wert entscheiden und das Ergebnis mit Effektstärke berichten.

Was ist der Unterschied zwischen Nullhypothese und Alternativhypothese?

Die Nullhypothese behauptet, dass es keinen Effekt gibt, die Alternativhypothese, dass es einen gibt. Getestet wird die Nullhypothese; sie wird verworfen oder beibehalten.

Wann verwerfe ich die Nullhypothese?

Wenn der p-Wert kleiner oder gleich dem Signifikanzniveau ist (meist 0,05), oder gleichwertig, wenn der Betrag der Teststatistik mindestens den kritischen Wert erreicht.

Kann ich die Nullhypothese beweisen?

Nein. Ein nicht signifikantes Ergebnis zeigt nur, dass die Daten nicht ausreichen, um sie zu verwerfen. Für einen Nachweis, dass ein Effekt praktisch null ist, gibt es eigene Verfahren wie Äquivalenztests.

Quellen und weiterführende Literatur

Bortz, J., & Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler (7. Aufl.). Springer.
Eid, M., Gollwitzer, M., & Schmitt, M. (2017). Statistik und Forschungsmethoden (5. Aufl.). Beltz.
Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2. Aufl.). Lawrence Erlbaum.

Was an Deiner Hochschule gilt, steht in Prüfungsordnung und Leitfaden Deines Fachs — die haben immer Vorrang.