Welcher statistische Test? Entscheidungstabelle für Deine Auswertung

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

Der passende Test hängt von vier Fragen ab: Unterschied oder Zusammenhang, Skalenniveau, Zahl und Art der Gruppen sowie Verteilung der Daten.

Das Wichtigste in Kürze

Kläre zuerst die Fragestellung: Willst Du Gruppen vergleichen (Unterschied) oder prüfen, ob zwei Merkmale zusammenhängen (Zusammenhang)?
Das Skalenniveau der abhängigen Variable bestimmt die Testfamilie: metrisch → t-Test, ANOVA, Pearson; ordinal → Rangtests, Spearman; nominal → Chi-Quadrat-Test.
Bei Gruppenvergleichen zählen Anzahl und Art der Gruppen: zwei oder mehr, unabhängig (verschiedene Personen) oder abhängig (dieselben Personen).
Bei metrischen Daten entscheidet die Verteilung: Bei kleinen Gruppen mit deutlicher Abweichung von der Normalverteilung nimmst Du das nichtparametrische Gegenstück.
Lege den Test vor der Datenerhebung fest und plane mit einer Power-Analyse die nötige Stichprobengröße.

Vier Fragen führen zum richtigen Test

Die Wahl des Tests wirkt anfangs unübersichtlich, folgt aber einer klaren Logik. Beantworte nacheinander diese vier Fragen, und es bleibt meist nur ein Verfahren übrig.

1. Was ist Deine Fragestellung? Unterschied zwischen Gruppen oder Messzeitpunkten, Zusammenhang zwischen Merkmalen, Vorhersage eines Merkmals durch andere
2. Welches Skalenniveau hat die abhängige Variable? nominal, ordinal oder metrisch
3. Wie viele Gruppen gibt es, und sind sie unabhängig? zwei oder mehr; verschiedene Personen oder dieselben Personen mehrfach
4. Sind die Voraussetzungen erfüllt? vor allem Normalverteilung bei kleinen Gruppen und gleiche Varianzen

Entscheidungstabelle: Unterschiede zwischen Gruppen

Die abhängige Variable ist das Merkmal, das Du misst (z. B. Punktzahl, Zufriedenheit). Die Gruppen ergeben sich aus der unabhängigen Variable (z. B. Lernmethode, Studienfach).

Gruppen	metrisch, normalverteilt	ordinal oder nicht normalverteilt	nominal
2 unabhängige	t-Test für unabhängige Stichproben (Welch)	Mann-Whitney-U-Test	Chi-Quadrat-Test, bei kleinen Zellen Fisher-Test
2 abhängige	t-Test für abhängige Stichproben	Wilcoxon-Vorzeichen-Rang-Test	McNemar-Test
3+ unabhängige	einfaktorielle ANOVA (bei ungleichen Varianzen Welch-ANOVA)	Kruskal-Wallis-Test	Chi-Quadrat-Test
3+ abhängige	ANOVA mit Messwiederholung	Friedman-Test	Cochrans Q-Test
1 Gruppe gegen festen Wert	Einstichproben-t-Test	Wilcoxon-Test gegen Median	Binomialtest, Chi-Quadrat-Anpassungstest

Entscheidungstabelle: Zusammenhänge und Vorhersagen

Bei Zusammenhängen gibt es keine Gruppen, sondern zwei oder mehr Merkmale je Person. Entscheidend ist das Skalenniveau beider Variablen. Für Vorhersagen nutzt Du Regressionsverfahren, deren Art sich nach der abhängigen Variable richtet.

Variablen	Verfahren	Effektstärke
beide metrisch, linear, ohne starke Ausreißer	Pearson-Korrelation	r
mindestens eine ordinal, oder Ausreißer, oder monoton	Spearman-Rangkorrelation	rₛ
beide nominal	Chi-Quadrat-Test	Cramérs V, Phi
metrisch und dichotom	punktbiseriale Korrelation (entspricht t-Test)	r
metrisches Kriterium, ein oder mehrere Prädiktoren	lineare Regression	R², β
dichotomes Kriterium (ja/nein)	logistische Regression	Odds Ratio, Pseudo-R²

Drei Beispiele durchgespielt

So wendest Du die vier Fragen auf typische Fragestellungen aus Abschlussarbeiten an.

Fragestellung	Antworten auf die vier Fragen	Test
Lernen Studenten mit Lernplan mehr Punkte als ohne?	Unterschied; Punkte metrisch; 2 unabhängige Gruppen; je 8 Personen, annähernd normal	Welch-t-Test: t(13,46) = 3,42, p = ,004
Arbeiten Psychologie- und BWL-Studenten unterschiedlich oft nebenher?	Zusammenhang zweier Kategorien; beide nominal; 2 × 2-Tabelle; erwartete Häufigkeiten ≥ 5	Chi-Quadrat-Test: χ²(1, N = 100) = 9,09, p = ,003
Hängt die Lernzeit mit der Punktzahl zusammen?	Zusammenhang; beide metrisch; Streudiagramm linear	Pearson: r(6) = ,82, p = ,012

Parametrisch oder nichtparametrisch?

Parametrische Tests (t-Test, ANOVA, Pearson) nutzen die Werte selbst und setzen bestimmte Verteilungen voraus. Nichtparametrische Tests (Mann-Whitney-U, Wilcoxon, Kruskal-Wallis, Spearman) arbeiten mit Rängen und brauchen weniger Annahmen.

Nimm den parametrischen Test, wenn die Daten metrisch sind und entweder annähernd normalverteilt oder die Gruppen groß genug sind (etwa 30 je Gruppe, zentraler Grenzwertsatz). Nimm das nichtparametrische Gegenstück bei ordinalen Daten, bei kleinen Gruppen mit klar schiefer Verteilung oder bei Ausreißern, die Du nicht entfernen darfst. Bei normalverteilten Daten verlieren Rangtests nur wenig Teststärke, sind also keine schlechte Wahl im Zweifel.

Testwahl im Methodenteil begründen

Gutachter wollen sehen, dass Du den Test bewusst gewählt hast. Dafür reichen meist zwei bis drei Sätze je Hypothese: Welche Variablen gehen ein, welches Skalenniveau haben sie, welcher Test folgt daraus, und wie hast Du die Voraussetzungen geprüft? Plane außerdem, was Du tust, wenn eine Voraussetzung verletzt ist, etwa den Wechsel vom t-Test zum Mann-Whitney-U-Test. So wirkt die Entscheidung nicht nachträglich zurechtgelegt.

Die nötige Stichprobengröße hängt ebenfalls vom Test ab. Für einen t-Test mit mittlerem Effekt (d = 0,5) brauchst Du 64 Personen je Gruppe, für eine Korrelation mit mittlerem Effekt (r = 0,3) rund 85 Personen insgesamt (α = 0,05, Power 0,80).

Häufige Fehler bei der Testwahl

Diese Fehler fallen Gutachtern sofort auf und lassen sich leicht vermeiden.

Mehrere t-Tests statt einer ANOVA bei drei oder mehr Gruppen (Alpha-Fehler-Kumulierung)
Unabhängigen t-Test für Vorher-nachher-Daten derselben Personen verwenden; richtig ist der gepaarte t-Test
Chi-Quadrat-Test mit Prozentwerten statt Anzahlen rechnen
Pearson-Korrelation ohne Blick ins Streudiagramm; ein Ausreißer kann das Ergebnis bestimmen
Den Test erst nach Sichtung der Daten wählen, bis etwas signifikant wird (p-Hacking)
Nur den p-Wert berichten und die Effektstärke weglassen

Häufige Fragen

Welchen Test nehme ich für zwei Gruppen?

Bei metrischen Daten den t-Test für unabhängige Stichproben (Welch), bei ordinalen oder klar nicht normalverteilten Daten den Mann-Whitney-U-Test, bei nominalen Daten den Chi-Quadrat-Test.

Welchen Test nehme ich für drei oder mehr Gruppen?

Die einfaktorielle Varianzanalyse (ANOVA) bei metrischen Daten, den Kruskal-Wallis-Test bei ordinalen oder nicht normalverteilten Daten, den Chi-Quadrat-Test bei nominalen Daten.

Welchen Test nehme ich für Likert-Skalen?

Für einzelne Items Rangverfahren wie den Mann-Whitney-U-Test oder Spearman. Für Skalenwerte aus mehreren Items sind t-Test, ANOVA und Pearson üblich.

Was ist der Unterschied zwischen abhängigen und unabhängigen Stichproben?

Unabhängig: verschiedene Personen in den Gruppen. Abhängig: dieselben Personen mehrfach gemessen oder fest gebildete Paare, etwa Geschwister oder Partner.

Muss ich den Test vorher festlegen?

Ja, idealerweise schon vor der Datenerhebung, zusammen mit den Hypothesen und der Power-Analyse. Wer den Test erst nach Sichtung der Daten wählt, riskiert zufällig signifikante Ergebnisse.

Mit welchem Programm rechne ich die Tests?

Die Testwahl hängt nicht vom Programm ab. Alle Tests in dieser Übersicht kannst Du mit SPSS, R, JASP oder jamovi rechnen. Einen Vergleich der Programme findest Du im Artikel Statistikprogramme im Vergleich.

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.

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