Welche Arten von Analysen gibt es in Jamovi?
In diesem Beitrag
Was Jamovi im Kern bietet
Jamovi bietet weit mehr als nur einen einfachen t-Test. Die Software strukturiert ihre Analysefunktionen nach typischen Forschungsfragen: Beschreiben, Mittelwerte vergleichen, Zusammenhänge prüfen, Vorhersagen modellieren und Skalen bewerten. Das macht die Menüstruktur für Studierende deutlich intuitiver als bei klassischen Programmen wie SPSS.
Das Kernmodul von Jamovi deckt ohne zusätzliche Installation bereits die wichtigsten Verfahren ab, die in Bachelorarbeiten, Masterarbeiten und Forschungsberichten benötigt werden. Ergänzend lassen sich kostenlose Module nachinstallieren, die das Repertoire erheblich erweitern. Professionelle Unterstützung bei der Auswertung mit Jamovi kann helfen, das passende Verfahren schnell zu identifizieren und korrekt durchzuführen.
Explorative Analyse und deskriptive Statistik
Jede empirische Auswertung beginnt mit einer Beschreibung der Daten. Jamovi stellt hierfür das Modul Exploration → Descriptives bereit. Dort lassen sich mit wenigen Klicks Lagemaße und Streuungsmaße berechnen.
Verfügbare Kennzahlen
- Mittelwert, Median, Modus
- Standardabweichung, Varianz, Spannweite
- Schiefe und Kurtosis (relevant für Normalverteilungsprüfung)
- Minimum, Maximum, Quartile
- Standardfehler des Mittelwerts
Direkt in der Descriptives-Oberfläche lassen sich außerdem grafische Darstellungen erzeugen: Histogramme, Boxplots, Balkendiagramme und Q-Q-Plots für die Normalverteilungsbeurteilung. Das spart den Umweg über ein separates Grafikmodul.
In der Praxis wird dieser Schritt häufig unterschätzt. Eine sorgfältige explorative Analyse deckt Ausreißer, fehlende Werte und Verteilungsbesonderheiten auf – und beeinflusst damit direkt, welche inferenzstatistischen Verfahren im nächsten Schritt überhaupt zulässig sind.
Mittelwertvergleiche: t-Tests und ANOVA
Mittelwertvergleiche sind das methodische Herzstück vieler Abschlussarbeiten. Jamovi unterscheidet dabei klar zwischen Verfahren für zwei Gruppen und solchen für drei oder mehr Gruppen, und ordnet die Tests nach der Datenstruktur.
t-Tests
Unter T-Tests stehen drei Varianten zur Verfügung:
- Independent Samples T-Test: Vergleicht Mittelwerte zweier unabhängiger Gruppen (z. B. Experimental- vs. Kontrollgruppe)
- Paired Samples T-Test: Vergleicht Messwerte derselben Personen zu zwei Zeitpunkten (z. B. Prä-Post-Design)
- One Sample T-Test: Prüft, ob der Stichprobenmittelwert von einem theoretischen Wert abweicht
Jamovi berechnet dabei automatisch Cohens d als Effektstärke und gibt Konfidenzintervalle aus – beides ist für wissenschaftliche Arbeiten inzwischen standardmäßig erwünscht.
ANOVA-Varianten
Sobald mehr als zwei Gruppen oder mehrere Faktoren im Spiel sind, kommt die ANOVA-Familie zum Einsatz. Jamovi bietet unter ANOVA folgende Verfahren:
| Verfahren | Typischer Einsatz |
|---|---|
| One-Way ANOVA | Ein Faktor, drei oder mehr unabhängige Gruppen |
| Faktorielle ANOVA | Zwei oder mehr kategoriale Faktoren, Interaktionseffekte prüfen |
| Repeated Measures ANOVA | Messwiederholungsdesigns, z. B. mehrere Messzeitpunkte |
| ANCOVA | ANOVA mit metrischer Kovariate zur Fehlervarianzkontrolle |
| MANCOVA / MANOVA | Mehrere abhängige Variablen gleichzeitig |
| Nichtparametrische ANOVA | Kruskal-Wallis-Test, Friedman-Test bei Verletzung der Voraussetzungen |
Wichtig: Jamovi bietet für ANOVA-Ergebnisse automatisch Post-hoc-Tests (z. B. Tukey, Bonferroni) und Effektstärkemaße wie Eta-Quadrat () oder partielles Eta-Quadrat an. Diese müssen in der Ausgabe gezielt aktiviert werden.
Effektstärke Eta-Quadrat
Korrelation und Regression
Für Forschungsfragen, die auf Zusammenhänge oder Vorhersagen abzielen, hält Jamovi unter Regression ein breites Spektrum bereit.
Korrelationsverfahren
- Korrelationsmatrix: Pearson-, Spearman- und Kendall-Korrelationen für mehrere Variablenpaare gleichzeitig
- Partielle Korrelation: Zusammenhang zweier Variablen unter Kontrolle einer Drittvariablen
Regressionsverfahren
Die Regressionspalette reicht von der einfachen linearen Regression bis hin zu generalisierten Modellen. Das Kernmodul stellt lineare Regression sowie binomiale, multinomiale und ordinale logistische Regression bereit – womit die häufigsten Vorhersagemodelle in Abschlussarbeiten vollständig abgedeckt sind.
- Lineare Regression: Vorhersage einer metrischen abhängigen Variable durch einen oder mehrere Prädiktoren
- Binäre logistische Regression: Vorhersage einer dichotomen Variable (z. B. Ja/Nein)
- Multinomiale logistische Regression: Abhängige Variable mit mehr als zwei ungeordneten Kategorien
- Ordinale logistische Regression: Geordnete kategoriale abhängige Variable (z. B. Likert-Skala als Outcome)
Die lineare Regression in Jamovi gibt standardmäßig Regressionskoeffizienten, Konfidenzintervalle, standardisierte Beta-Gewichte und Modellgütekriterien wie aus. Auch eine schrittweise Variablenselektion ist möglich.
Analysen für kategoriale Daten
Nicht jede Forschungsfrage arbeitet mit metrischen Variablen. Für kategoriale Daten bietet Jamovi unter Frequencies eigene Verfahren.
Verfügbare Tests
- Häufigkeitstests (One Sample Frequency Tests): Chi-Quadrat-Anpassungstest, Binomial-Test, z-Test für Anteile
- Kontingenztafel (Independent Samples): Chi-Quadrat-Test, Fischer’s exakter Test, Log-Likelihood-Ratio, relative Risiken, Odds Ratio
- Gepaarte Kontingenztafel: McNemar-Test für verbundene Stichproben mit dichotomen Variablen
- Log-Lineare Regression: Analyse von Mehrwegetabellen mit mehreren kategorialen Variablen
Gerade der Chi-Quadrat-Test auf Unabhängigkeit ist in vielen sozialwissenschaftlichen und medizinischen Arbeiten Standard. Jamovi berechnet dabei automatisch Cramers V als Effektstärke.
Faktorenanalyse und Reliabilität
Wer Fragebögen oder Skalen einsetzt, braucht psychometrische Analysemethoden. Jamovi bündelt diese unter Factor.
Explorative und konfirmatorische Verfahren
- Explorative Faktorenanalyse (EFA): Identifikation latenter Faktoren aus einer Variablenmenge; mit Parallelanalyse zur Faktoranzahlbestimmung
- Konfirmatorische Faktorenanalyse (CFA): Prüfung eines vorher spezifizierten Messmodells
- Hauptkomponentenanalyse (PCA): Dimensionsreduktion
Reliabilitätsanalyse
Unter Factor → Reliability Analysis lässt sich Cronbachs Alpha berechnen – das gängigste Maß für interne Konsistenz von Skalen. Ergänzend steht McDonald’s Omega zur Verfügung, das in der neueren Methodenliteratur als robustere Alternative gilt. Item-Trennschärfen und die Alpha-wenn-Item-gelöscht-Statistik helfen bei der Skalenoptimierung.
Erweiterte Analysen über Add-on-Module
Das Kernangebot von Jamovi lässt sich über kostenlose Module erheblich ausbauen. Hier liegt ein entscheidender Vorteil gegenüber festgelegten Softwarepaketen: Die Nutzenden entscheiden, welche Verfahren sie installieren.
Wichtige Module im Überblick
| Modul | Analysen | Typischer Einsatz |
|---|---|---|
| GAMLj | General Linear Models, Mixed Models, Generalized Linear Models | Moderationsanalysen, Mehrebenenmodelle, Masterarbeit, Dissertation |
| MEDMOD | Mediations- und Moderationsanalyse | Indirekte Effekte, Simple-Slopes, Bootstrap-Konfidenzintervalle |
| jsq | Bayesianische Versionen aller Standardtests | Alternative zu frequentistischer Inferenz, Bayes-Faktoren |
| ClinicoPath | Überlebensanalyse, Kaplan-Meier, diagnostische Tests | Medizinische Forschung, klinische Studien |
| scatr | Erweiterte Streudiagramme | Visualisierung von Zusammenhängen |
Besonders das GAMLj-Modul verdient Aufmerksamkeit. Es erweitert Jamovi um General Linear Models, Mixed Linear Models und Generalized Mixed Models mit kontinuierlichen und kategorialen Variablen – inklusive Interaktionsplots, Simple-Slopes-Analysen, Post-hoc-Tests und Bootstrap-Konfidenzintervallen. Damit werden Analysen zugänglich, die sonst nur in R oder spezialisierter Software möglich sind.
Für Forschende in Psychologie und Sozialwissenschaften, die Moderations- oder Mediationseffekte untersuchen, ist das MEDMOD-Modul besonders relevant. Es berechnet indirekte Effekte mit Bootstrap-Konfidenzintervallen – methodisch äquivalent zur PROCESS-Macro-Logik aus SPSS, aber vollständig in Jamovis GUI integriert.
Wer sich fragt, ob Jamovi für diese Aufgaben mit SPSS mithalten kann, findet in unserem Vergleich ob Jamovi SPSS ersetzen kann eine differenzierte Antwort.
Welche Analyse passt zu Ihrer Forschungsfrage?
Die Vielzahl der verfügbaren Verfahren kann zunächst überwältigend wirken. In der Praxis lässt sich die Auswahl gut nach drei Leitfragen strukturieren:
Leitfragen zur Methodenwahl in Jamovi
- Was ist das Messniveau Ihrer abhängigen Variable? Metrisch → t-Test / ANOVA / Regression; Kategorial → Chi-Quadrat / Logistische Regression
- Wie viele Gruppen oder Messzeitpunkte gibt es? Zwei Gruppen → t-Test; Drei oder mehr → ANOVA; Wiederholung → Repeated Measures ANOVA
- Geht es um Unterschiede oder Zusammenhänge? Unterschiede → t-Test / ANOVA; Zusammenhänge → Korrelation / Regression
Diese Logik entspricht genau der Menüstruktur in Jamovi: T-Tests für Gruppenvergleiche mit zwei Gruppen, ANOVA für komplexere Designs, Regression für Zusammenhänge und Vorhersagen, Frequencies für kategoriale Variablen, Factor für Skalenanalysen.
Bei Unsicherheit über die richtige Methodenwahl lohnt sich ein Blick auf das Signifikanzniveau in Jamovi und dessen korrekte Interpretation – denn selbst das richtig gewählte Verfahren liefert nur dann verwertbare Ergebnisse, wenn die Ausgabe richtig gelesen wird.
Wenn Ihre Fragestellung komplexer ist – etwa bei Mehrebenenmodellen, Mediationsanalysen oder konfirmatorischen Strukturgleichungsmodellen – stehen unsere Statistikerinnen und Statistiker bei der methodischen Begleitung mit Jamovi gerne zur Verfügung. Das gilt besonders dann, wenn Module wie GAMLj oder MEDMOD korrekt konfiguriert und die Ergebnisse fachgerecht interpretiert werden müssen.
Wer erwägt, statt Jamovi eine andere Software einzusetzen, findet in unserem Überblick über kostenlose SPSS-Alternativen eine hilfreiche Gegenüberstellung der wichtigsten Programme.
