Wie beschreibt man nicht-signifikante Ergebnisse?

Was bedeutet „nicht signifikant“ wirklich?

Nicht-signifikante Ergebnisse bedeuten eines: Die vorliegenden Daten liefern unter den gegebenen Annahmen keine ausreichende statistische Evidenz gegen die Nullhypothese. Sie beweisen weder, dass kein Effekt existiert, noch dass die Nullhypothese wahr ist.

Dieser Unterschied klingt spitzfindig, hat aber erhebliche Konsequenzen für die Formulierung. Wer schreibt „Es bestand kein Zusammenhang zwischen X und Y“, trifft eine inhaltliche Aussage, die die Daten schlicht nicht stützen. Denn ein p-Wert über .05 misst weder die Wahrscheinlichkeit, dass die Nullhypothese wahr ist, noch beweist er das Fehlen eines Effekts.

Das ist keine akademische Haarspalterei. In Abschlussarbeiten führt die falsche Formulierung direkt zu inhaltlichen Fehlern, die Prüfende bemängeln – manchmal sogar mit Konsequenzen für die Bewertung des Ergebnisteils.

p > .05 ist kein Freifahrtschein für „keine Wirkung“

Ein häufiger Gedankenfehler: Weil das Ergebnis „nicht signifikant“ ist, scheint es auf den ersten Blick unproblematisch, es kurz abzuhaken. In der Praxis ist es aber oft komplizierter.

Nicht-Signifikanz kann viele Ursachen haben: eine zu kleine Stichprobe, hohe Variabilität in den Daten, ein tatsächlich kleiner Effekt – oder auch ein Effekt, der schlicht in der untersuchten Stichprobe nicht sichtbar war. Diese Nuancen verdienen eine sorgfältige sprachliche Behandlung, nicht eine pauschale Verneinung.

Die häufigsten Formulierungsfehler

Bevor es zu den korrekten Formulierungen geht, lohnt sich ein Blick auf die Fehler, die in Abschlussarbeiten immer wieder auftauchen. Viele davon entstehen aus einem intuitiv verständlichen, aber methodisch falschen Umgang mit dem p-Wert.

Der letzte Punkt auf dieser Liste ist besonders tückisch und wird weiter unten gesondert behandelt. Er betrifft den Vergleich zweier Ergebnisse mit unterschiedlichen Signifikanzlabels – ein Fehler, der selbst in publizierten Studien vorkommt.

So formulieren Sie korrekt

Die Grundregel lautet: Beschreiben Sie, was die Daten zeigen – und was sie nicht zeigen können. Nicht-signifikante Ergebnisse werden am besten als Befund formuliert, der keine ausreichende Evidenz gegen die Nullhypothese liefert.

Bewährte Formulierungsmuster

Die folgenden Formulierungen sind fachlich korrekt, präzise und für Abschlussarbeiten geeignet:

• „Die Daten lieferten keine ausreichende statistische Evidenz für einen Zusammenhang zwischen X und Y (p = .12).“
• „Das Ergebnis war statistisch nicht signifikant (p = .08); die Nullhypothese konnte nicht verworfen werden.“
• „Es zeigte sich kein statistisch signifikanter Unterschied zwischen den Gruppen (p = .23, d = .18).“
• „Die Analyse lieferte keinen hinreichenden Befund, um H1 zu unterstützen (t(98) = 1.42, p = .16).“
• „Ein Effekt konnte unter den gegebenen Bedingungen statistisch nicht nachgewiesen werden.“

Beachten Sie: Die Formulierung „kein signifikanter Unterschied“ ist korrekt – sie beschreibt das statistische Ergebnis. Problematisch wird es erst, wenn daraus „kein Unterschied“ (ohne das Wort „signifikant“) wird. Das Adjektiv macht den entscheidenden Unterschied.

Den p-Wert immer angeben

Auch bei nicht-signifikanten Ergebnissen gehört der genaue p-Wert in den Text – nicht nur die Aussage „p > .05″. Lesende und Prüfende wollen wissen, wie weit das Ergebnis vom Schwellenwert entfernt war. Ein p-Wert von .48 und ein p-Wert von .06 sind statistisch beide „nicht signifikant“, aber inhaltlich sehr unterschiedlich zu bewerten. Wie man statistische Kennzahlen im Text korrekt angibt, erklärt unser Artikel zur Beschreibung statistischer Ergebnisse im Text ausführlich.

Dieses Format gilt unabhängig davon, ob das Ergebnis signifikant ist oder nicht. Effektgröße und Konfidenzintervall gehören in beiden Fällen dazu – dazu mehr im nächsten Abschnitt.

Effektgrößen und Konfidenzintervalle berichten

Einer der wichtigsten Grundsätze im Umgang mit nicht-signifikanten Ergebnissen: Der p-Wert allein ist nicht ausreichend. Ergänzende Informationen wie Effektgrößen und Konfidenzintervalle sind unverzichtbar – und zwar gerade dann, wenn die Signifikanzschwelle nicht erreicht wurde.

Warum Effektgrößen entscheidend sind

Ein nicht-signifikantes Ergebnis bei gleichzeitig mittlerer Effektgröße (d = .45) und geringer Stichprobengröße (n = 30) erzählt eine völlig andere Geschichte als ein nicht-signifikantes Ergebnis bei d = .03 und n = 500. Im ersten Fall ist mangelnde statistische Power die wahrscheinlichste Erklärung; im zweiten Fall spricht tatsächlich viel dafür, dass kein substanzieller Effekt vorliegt.

In der Fachliteratur wird betont, dass Forschende die gesamte Spannbreite plausibler Effekte kommunizieren sollten, statt Ergebnisse lediglich in „signifikant“ oder „nicht signifikant“ zu dichotomisieren. Für Ihre Abschlussarbeit bedeutet das: Berichten Sie immer die Effektgröße – und ordnen Sie diese inhaltlich ein.

Konfidenzintervalle als Ergänzung

Das 95-%-Konfidenzintervall zeigt, in welchem Bereich der wahre Effekt mit hoher Wahrscheinlichkeit liegt. Enthält das Intervall die Null, ist das konsistent mit einem nicht-signifikanten Ergebnis. Aber: Ein breites Intervall, das zwar die Null enthält, aber auch substanzielle Effekte einschließt (z. B. KI [−0.05, 0.62]), signalisiert erhebliche Unsicherheit – nicht das Fehlen eines Effekts.

Ein Konfidenzintervall, das die Null enthält, aber auch Werte nahe einer klinisch oder praktisch bedeutsamen Schwelle, sollte im Text ausdrücklich so beschrieben werden. Das ist weit informativer als ein reines „p > .05″.

Vorsicht beim Vergleich zweier Ergebnisse

Ein besonders häufiger Fehler in Abschlussarbeiten betrifft den Vergleich von zwei Ergebnissen, die unterschiedliche Signifikanzlabels tragen. Ein Beispiel aus der Praxis: In einer Regressionsanalyse hat Variable A einen signifikanten Koeffizienten (p = .03), Variable B nicht (p = .08). Viele Studierende schreiben dann: „Variable A hatte einen stärkeren Einfluss als Variable B.“

Das ist methodisch falsch. Der Unterschied zwischen einem signifikanten und einem nicht-signifikanten Ergebnis ist nicht automatisch selbst statistisch signifikant – er muss direkt geprüft werden, etwa über einen Interaktionsterm oder einen expliziten Kontrasttest.

Was stattdessen zu tun ist

Um zwei Effekte inhaltlich miteinander zu vergleichen, brauchen Sie:

• Einen direkten statistischen Test des Unterschieds (z. B. Interaktionsterm, Kontrastkoeffizient)
• Die Differenz der Schätzer samt Standardfehler und Konfidenzintervall
• Eine vorsichtige sprachliche Formulierung, die Unsicherheit abbildet

Wenn ein solcher direkter Test nicht durchgeführt wurde, ist die einzig korrekte Aussage: „Für Variable A zeigte sich ein statistisch signifikanter Effekt, für Variable B nicht. Ein direkter Vergleich der Effekte war nicht Gegenstand dieser Analyse.“ Mehr ist an dieser Stelle methodisch nicht zulässig.

Dieses Problem tritt besonders häufig bei Subgruppenanalysen und Moderationsanalysen auf – zwei Kontexte, in denen präzises Formulieren besonders wichtig ist.

Beispiele aus der Praxis

Abstrakte Regeln helfen nur bedingt. Die folgenden Beispiele zeigen den Unterschied zwischen problematischen und korrekten Formulierungen anhand typischer Szenarien aus Bachelorarbeiten und Masterarbeiten.

Ein Muster wird dabei sichtbar: Korrekte Formulierungen nennen immer die konkreten Kennzahlen, benennen das Ergebnis als „statistisch nicht signifikant“ (nicht als „kein Effekt“) und halten inhaltliche Schlussfolgerungen sprachlich offen. Mehr Hinweise zu Formulierungen und Aufbau finden Sie auf unserer Seite zur Interpretation und Verschriftlichung statistischer Ergebnisse.

Grenzfälle: Was tun bei p = .051?

Grenzfälle wie p = .051 oder p = .049 bereiten vielen Studierenden Kopfzerbrechen. Die Versuchung ist groß, ein Ergebnis von .049 als bedeutsam und .051 als bedeutungslos zu behandeln – obwohl beide Werte faktisch identische Evidenz liefern.

In der methodischen Literatur wird ausdrücklich davor gewarnt, p = .051 und p = .049 als qualitativ völlig verschiedene Befunde zu behandeln. Bei solchen Grenzfällen empfiehlt sich eine vorsichtige Sprache: „Das Ergebnis verfehlte das Signifikanzniveau knapp (p = .051) und deutet möglicherweise auf einen Trend hin, der in weiterer Forschung mit größerer Stichprobe geprüft werden sollte.“

Vermeiden Sie dabei den Begriff „Tendenz zur Signifikanz“ – dieser ist in methodischer Hinsicht problematisch, da er eine Richtung impliziert, die der p-Wert nicht liefert.

Nicht-signifikante Ergebnisse im Diskussionsteil einordnen

Im Ergebnisteil beschreiben Sie die Befunde – im Diskussionsteil interpretieren und erklären Sie sie. Für nicht-signifikante Ergebnisse ist dieser Schritt besonders wichtig, weil hier die inhaltliche Einordnung stattfindet, die im reinen Ergebnisteil fehlen muss.

Mögliche Erklärungen benennen

Im Diskussionsteil können und sollten Sie erläutern, warum das Ergebnis möglicherweise nicht signifikant ausgefallen ist. Typische Erklärungen, die methodisch zulässig sind:

• Zu geringe statistische Power: Eine kleine Stichprobe erhöht das Risiko, einen tatsächlich vorhandenen Effekt nicht zu entdecken.
• Hohe Varianz: Große Streuung in den Daten kann echte Effekte statistisch verdecken.
• Messinstrument: Ein Instrument mit geringer Reliabilität reduziert die Chance, systematische Zusammenhänge aufzudecken.
• Stichprobenspezifik: Die untersuchte Gruppe repräsentiert möglicherweise nicht die Zielpopulation, für die ein Effekt erwartet wurde.
• Tatsächlich kein substanzieller Effekt: Auch das ist eine legitime Schlussfolgerung – aber sie erfordert ausreichende Power als Voraussetzung.

Wie Sie nicht-signifikante Befunde in den Diskussionsteil einbetten und theoretisch einordnen, zeigt unser Beitrag zum Diskutieren statistischer Ergebnisse im Diskussionsteil ausführlich.

Keine voreiligen Schlüsse ziehen

Was im Diskussionsteil nicht stehen sollte: pauschale Aussagen wie „Die Hypothese wurde widerlegt“ oder „Die Variable spielt keine Rolle“. Nicht-Signifikanz bedeutet das Fehlen von Evidenz – nicht Evidenz für das Fehlen eines Effekts. Dieser logische Unterschied ist entscheidend und sollte sich in Ihrer Sprache widerspiegeln.

Eine gut strukturierte Diskussion nicht-signifikanter Ergebnisse benennt die Grenzen der Analyse ehrlich, gibt methodische Erklärungen und formuliert konkrete Implikationen für zukünftige Forschung. Das zeigt methodisches Verständnis – und ist für Prüfende deutlich überzeugender als das bloße Eingestehen, dass die Hypothese „leider nicht bestätigt wurde“.

Wenn Sie sich beim Verfassen des Ergebnis- und Diskussionsteils unsicher sind, kann eine methodische Begleitung durch erfahrene Statistikerinnen und Statistiker helfen. Die Formulierung statistischer Ergebnisse ist eine Kernkompetenz, die sich mit dem richtigen Feedback schnell verbessern lässt.