Wie erstellt man einen Auswertungsplan für die Dissertation?

Was ist ein Auswertungsplan und wozu brauchen Sie ihn?

Ein Auswertungsplan – in der internationalen Forschungsliteratur auch als Statistical Analysis Plan (SAP) bezeichnet – ist ein schriftliches Dokument, das vor der eigentlichen Datenanalyse festlegt, wie Sie Ihre Daten auswerten werden. Er beschreibt, welche statistischen Verfahren Sie einsetzen, nach welchen Regeln Sie Entscheidungen treffen und wie Sie Ihre Ergebnisse darstellen.

Für eine Dissertation ist ein Auswertungsplan aus zwei Gründen unverzichtbar: Erstens zwingt er Sie, die Forschungslogik vor der Analyse vollständig durchzudenken. Zweitens schützt er Sie vor einem der häufigsten methodischen Kritikpunkte in Gutachten – dem Vorwurf des selektiven Berichtens oder der nachträglichen Hypothesenanpassung.

Der Auswertungsplan ist kein Ersatz für das Methodenkapitel Ihrer Dissertation, sondern dessen Arbeitsdokument. Während das Methodenkapitel die gewählten Verfahren begründend beschreibt, enthält der Plan die konkreten Entscheidungsregeln, die Ihre spätere Auswertung prüfbar und reproduzierbar machen.

Wann sollte der Auswertungsplan entstehen?

Die Antwort ist eindeutig: vor der Datenerhebung, spätestens jedoch vor dem ersten Blick in den Datensatz. Wer den Auswertungsplan erst nach der Datenerhebung erstellt, läuft Gefahr, unbewusst von den bereits gesehenen Daten beeinflusst zu werden.

In der Forschungsliteratur wird dies klar gefordert: Analyseentscheidungen sollen bereits im Studiendesign festgelegt werden – und nicht erst nach Abschluss der Datenerhebung entstehen. Das gilt nicht nur für klinische Studien, sondern ist auf empirische Dissertationen in Psychologie, Medizin, Wirtschafts- und Sozialwissenschaften gleichermaßen übertragbar.

Praktisch empfiehlt sich folgende Abfolge:

1. Forschungsfragen und Hypothesen formulieren
2. Studiendesign und Stichprobenplanung abschließen
3. Auswertungsplan erstellen und ggf. mit der Betreuungsperson abstimmen
4. Daten erheben
5. Auswertung strikt nach Plan durchführen

Aufbau und Inhalte eines Auswertungsplans

Ein Auswertungsplan für die Dissertation muss nicht so umfangreich sein wie ein formaler SAP einer klinischen Multicenterstudie. Er sollte aber alle wesentlichen Entscheidungen dokumentieren, die Ihre Auswertung leiten. Das typische Dokument umfasst Analysepopulationen, Endpunktdefinitionen, Modellvorgaben, Tabellenpläne und Regeln für Abweichungen – diese Grundstruktur lässt sich gut auf Dissertationen übertragen.

Ein praxistauglicher Auswertungsplan für eine Dissertation enthält folgende Abschnitte:

• Überblick: Fragestellungen, Ziele und Hypothesen der Studie
• Stichprobe und Analysepopulation: Einschluss- und Ausschlusskriterien, Umgang mit Datenlücken
• Variablendefinitionen: Operationalisierungen, Skalenniveaus, Kodierungen
• Primäre und sekundäre Analysen: Welche Hypothesen werden mit welchem Verfahren geprüft?
• Voraussetzungsprüfungen: Welche Annahmen werden wie geprüft, und was passiert bei Verletzung?
• Umgang mit fehlenden Daten: Ausschluss, Imputation oder Sensitivitätsanalyse?
• Signifikanzniveau und Effektstärken: Festlegung von α, Angabe geplanter Effektstärken
• Sensitivitäts- und Zusatzanalysen: Exploratorische Auswertungen klar als solche markiert
• Ergebnisdarstellung: Geplante Tabellen, Abbildungen, Berichtsformat

Hypothesen, Variablen und Endpunkte festlegen

Der erste inhaltliche Schritt beim Erstellen des Auswertungsplans ist die präzise Formulierung Ihrer Hypothesen und Endpunkte. Endpunkt meint dabei nicht nur das statistische Kriterium, sondern die vollständige Definition der abhängigen Variable: Wie wird sie gemessen, zu welchem Zeitpunkt, in welcher Form?

Wenn Sie beispielsweise untersuchen, ob eine Intervention die Arbeitszufriedenheit beeinflusst, müssen Sie im Auswertungsplan festhalten: Welches Instrument wird verwendet? Wird der Gesamtscore oder eine Subskala analysiert? Wird der Wert zu einem Messzeitpunkt oder als Differenzwert betrachtet?

Variablen sauber operationalisieren

Für jede Variable im Modell sollten Sie festhalten:

• Name und inhaltliche Bedeutung
• Skalenniveau (nominal, ordinal, metrisch)
• Kodierung (z. B. 0 = Kontrollgruppe, 1 = Interventionsgruppe)
• Herkunft (Fragebogen, Beobachtung, Sekundärdaten)
• Umgang mit Ausreißern oder unplausiblen Werten

Diese Variablendefinitionen sind besonders wichtig, wenn Sie mit Konstrukten arbeiten, die mehrere Items oder Skalen umfassen. Legen Sie vorab fest, welche Aggregationsregel gilt – z. B. ob ein Mittelwert gebildet wird und welche Mindestanzahl beantworteter Items dafür erforderlich ist.

Analysemethoden und Entscheidungsregeln

Herzstück des Auswertungsplans ist die Festlegung der statistischen Verfahren. Entscheidend ist, dass Sie nicht nur den Testnamen nennen, sondern die zugehörigen Entscheidungsregeln explizit machen.

Für jede Hypothese festlegen:

• Welches Verfahren kommt zum Einsatz (z. B. t-Test, multiple Regression, ANOVA)?
• Welche Voraussetzungen gelten, und wie werden sie geprüft?
• Was ist das Alternativverfahren bei Voraussetzungsverletzung (z. B. Mann-Whitney-U statt t-Test)?
• Welche Kovariaten oder Kontrollvariablen werden einbezogen und warum?
• Wie wird das Signifikanzniveau festgelegt – und wird bei multiplen Tests korrigiert?

Bei komplexeren Dissertationen kommen häufig anspruchsvollere Verfahren zum Einsatz. Ob eine Strukturgleichungsmodellierung oder eine Mehrebenenanalyse für Ihre Fragestellung geeignet ist, sollte ebenfalls Teil des Auswertungsplans sein – inklusive der Begründung.

Signifikanzniveau und Effektstärken

Legen Sie im Auswertungsplan ausdrücklich fest, welches Signifikanzniveau Sie verwenden (in den meisten Disziplinen α = .05) und welche Effektstärken Sie berichten werden. Die Poweranalyse sollte dabei bereits abgeschlossen sein, bevor Sie mit der Erhebung beginnen – sie liefert die Grundlage für die Stichprobenplanung und verknüpft Effektstärke, Stichprobengröße und statistisches Risiko.

Die statistische Power hängt von der Stichprobengröße n, der erwarteten Effektstärke d und dem Signifikanzniveau α ab. Alle drei Parameter müssen vor der Datenerhebung feststehen – und gehören damit zwingend in den Auswertungsplan. Wie Sie die Stichprobengröße konkret berechnen, erklärt unser Beitrag zur Stichprobengrößenberechnung für Dissertationen.

Fehlende Daten, Annahmeprüfungen und Sensitivitätsanalysen

Dieser Abschnitt wird in Auswertungsplänen von Promovierenden am häufigsten vernachlässigt – und ist gleichzeitig einer der wichtigsten. Denn fehlende Werte, Ausreißer und Voraussetzungsverletzungen sind in der Praxis die Regel, nicht die Ausnahme.

Fehlende Daten

Legen Sie im Plan fest, welche Strategie Sie beim Umgang mit fehlenden Werten verfolgen. Die gängigsten Optionen:

• Fallweiser Ausschluss (listwise deletion): Fälle mit fehlendem Wert auf einer relevanten Variable werden aus der Analyse ausgeschlossen
• Multiple Imputation: Fehlende Werte werden auf Basis der vorhandenen Daten mehrfach geschätzt und die Ergebnisse aggregiert
• Maximum-Likelihood-Schätzung: Bei strukturgleichungsmodell-basierten Ansätzen häufig die bevorzugte Methode

Welche Strategie sinnvoll ist, hängt davon ab, ob die Daten missing completely at random (MCAR), missing at random (MAR) oder missing not at random (MNAR) sind. Das müssen Sie zumindest planerisch antizipieren.

Annahmeprüfungen

Jedes parametrische Verfahren setzt bestimmte Dingbedingungen voraus. Im Auswertungsplan sollten Sie für jedes eingesetzte Verfahren die relevanten Annahmen benennen und festlegen, wie Sie diese prüfen – und was bei einer Verletzung passiert.

Sensitivitätsanalysen

Planen Sie Sensitivitätsanalysen ein, bevor Sie die Daten sehen. Eine Sensitivitätsanalyse prüft, ob Ihre Ergebnisse stabil bleiben, wenn Sie eine Entscheidung variieren – z. B. Ausreißer einschließen vs. ausschließen, oder eine andere Imputationsmethode verwenden. Dass solche Analysen vorab geplant werden sollten und nicht ad hoc nach dem Anblick der Daten entstehen, ist ein zentrales Prinzip belastbarer empirischer Forschung.

Ergebnisdarstellung vorausdenken

Ein oft übersehener Bestandteil des Auswertungsplans ist die Planung der Ergebnisdarstellung. Wenn Sie vorab festlegen, welche Tabellen und Abbildungen Sie erstellen werden, sparen Sie später erheblich Zeit – und vermeiden es, nur die „schönen“ Ergebnisse zu visualisieren.

Was in die Ergebnisplanung gehört:

• Welche deskriptiven Kennwerte werden berichtet (Mittelwert, Standardabweichung, Häufigkeiten)?
• Welche Tabellen werden erstellt (z. B. Stichprobenbeschreibung, Korrelationsmatrix, Regressionskoeffizienten)?
• Welche Abbildungen sind geplant (z. B. Boxplots, Streudiagramme, Pfaddiagramme)?
• In welchem Format werden Testergebnisse berichtet (APA-konform)?

Zur APA-konformen Ergebnisdarstellung gibt es klare Konventionen, die Sie bereits im Auswertungsplan berücksichtigen sollten. Wenn Sie wissen möchten, wie der Ergebnisteil strukturiert wird, lohnt sich ein Blick auf unseren Beitrag zum Schreiben des Ergebnisteils einer Dissertation.

Typische Fehler beim Auswertungsplan

In der Praxis zeigt sich, dass bestimmte Fehler im Auswertungsplan immer wieder auftreten. Wer sie kennt, kann sie gezielt vermeiden.

Weitere häufige Schwächen:

• Zu vage Hypothesen: „Es wird ein Zusammenhang erwartet“ ist kein taugliches Fundament für einen Auswertungsplan. Formulieren Sie die Richtung des Effekts, die Variablen und das Verfahren konkret.
• Fehlende Entscheidungsregeln: Wenn im Plan nicht steht, was bei Voraussetzungsverletzung passiert, werden solche Entscheidungen ad hoc getroffen – was die Reproduzierbarkeit gefährdet.
• Exploratorisches als konfirmatorisch ausgeben: Nachträgliche Subgruppenanalysen oder zusätzliche Modelle sind exploratorisch und müssen als solche gekennzeichnet werden.
• Keine Poweranalyse: Ohne Poweranalyse ist die Stichprobengröße methodisch nicht begründet. Das fällt in Gutachten negativ auf.

Einen umfassenden Überblick über die häufigsten Statistikfehler in Dissertationen finden Sie in einem separaten Beitrag. Wer auf Nummer sicher gehen möchte, kann auch frühzeitig professionelle statistische Begleitung Ihrer Dissertation für die Dissertation in Anspruch nehmen – insbesondere wenn komplexere Verfahren oder ungewohnte Datenstrukturen ins Spiel kommen.

Kurzcheckliste: Auswertungsplan für die Dissertation

Die folgende Checkliste fasst zusammen, was ein vollständiger Auswertungsplan für eine empirische Dissertation enthalten sollte. Sie können diese Liste als Grundgerüst für Ihr eigenes Dokument nutzen.

Der Methodenteil Ihrer Dissertation und der Auswertungsplan bedingen sich gegenseitig: Was Sie im Plan festlegen, müssen Sie im Methodenkapitel begründen. Wie Sie den Methodenteil einer Dissertation strukturieren und ausformulieren, erläutern wir in einem eigenen Beitrag.

Wenn Sie unsicher sind, ob Ihr Auswertungsplan methodisch vollständig ist, oder wenn Sie sich bei der Wahl geeigneter Verfahren nicht sicher sind, lohnt sich eine frühzeitige Beratung. Erfahrungsgemäß sind Korrekturen am Analyseplan vor der Datenerhebung mit einem Bruchteil des Aufwands verbunden, der später bei einer grundlegend neu ausgerichteten Auswertung anfallen würde. Informationen zu den Möglichkeiten einer solchen methodischen Begleitung finden Sie auf unserer Seite zur statistischen Unterstützung für Dissertationen.