Wie fasst man statistische Ergebnisse zusammen?

Was bedeutet „Ergebnisse zusammenfassen“ eigentlich?

Eine statistische Ergebniszusammenfassung kondensiert Daten, Kennwerte und Schlussfolgerungen so, dass Lesende den Kernbefund unmittelbar erfassen können – ohne sämtliche Rohdaten zu sichten. Das klingt simpel, ist in der Praxis aber deutlich anspruchsvoller als gedacht.

Eine gute Zusammenfassung leistet drei Dinge gleichzeitig: Sie berichtet, was gemessen wurde, wie präzise diese Messung ist, und welche inhaltliche Bedeutung das Ergebnis hat. Wer nur schreibt „Das Ergebnis war signifikant“, hat keine dieser drei Anforderungen erfüllt.

Im Folgenden erfahren Sie, welche Bausteine eine vollständige Zusammenfassung enthält, welche Standards die Fachliteratur vorgibt – und welche Fehler sich dabei regelmäßig einschleichen.

Deskriptive Statistik: Das Fundament jeder Zusammenfassung

Bevor inferenzstatistische Tests berichtet werden, stehen die deskriptiven Kennwerte. Sie beschreiben den Datensatz so, dass Lesende ein konkretes Bild der Stichprobe erhalten.

Welche Kennwerte gehören immer dazu?

Für jeden analysierten Datensatz sollten mindestens die folgenden Angaben enthalten sein:

• Stichprobengröße (n) – für jede Gruppe oder jeden Datensatz separat
• Lagemaß – Mittelwert (M) bei symmetrischer Verteilung, Median bei schiefen Daten
• Streuungsmaß – Standardabweichung (SD) oder Interquartilsabstand (IQR)

Für die Angabe von Mittelwert und Standardabweichung im Text hat sich im wissenschaftlichen Schreiben die Kurzform M = 4.32, SD = 0.87 etabliert. Diese Form ist platzsparend, eindeutig und von Gutachtenden sofort erkennbar.

Wann Spannweite, wann Standardabweichung?

Bei kleinen Stichproben empfehlen Fachpublikationen, eher Spannweiten als Standardabweichungen oder Standardfehler zu berichten, weil sie die tatsächlich beobachtete Datenbreite transparenter zeigen. Eine Standardabweichung aus n = 8 Fällen suggeriert eine Präzision, die die Daten schlicht nicht hergeben.

Inferenzstatistik korrekt berichten

Wurden Hypothesen mit statistischen Tests geprüft, gehören in die Zusammenfassung nicht nur das Testergebnis, sondern mehrere Angaben, die das Ergebnis erst einordbar machen.

Die vollständige Testberichterstattung

Für jeden statistischen Test – ob t-Test, ANOVA, Chi-Quadrat oder Regression – sind folgende Angaben Standard:

• Name des Tests (z. B. unabhängiger t-Test, einfaktorielle ANOVA)
• Stichprobengröße (n) je Gruppe
• Freiheitsgrade (z. B. df = 48)
• Testwert (z. B. t = 2.31, F = 4.87, χ² = 9.14)
• p-Wert – außer bei p < .001, wo diese Schreibweise akzeptiert ist
• Effektgröße (z. B. Cohens d, η², Cramers V)
• Alpha-Niveau und ob der Test ein- oder zweiseitig war
• Begründung des Tests, insbesondere ob Normalverteilungsannahmen geprüft wurden

Ein konkretes Berichtsbeispiel für einen t-Test sieht so aus:

Ein unabhängiger t-Test zeigte einen signifikanten Unterschied im Testergebnis zwischen der Experimental- und der Kontrollgruppe, t(48) = 2.31, p = .025, d = 0.66 (mittlerer Effekt). Das Alpha-Niveau wurde auf α = .05 festgelegt, der Test war zweiseitig.

Diese Berichtsform entspricht den Mindestanforderungen hochrangiger Fachzeitschriften: Eine belastbare Ergebniszusammenfassung enthält Testname, n-Wert, Freiheitsgrade, Testwert, p-Wert und Effektgröße – nicht nur das Signifikanzurteil.

Die gepoolte Standardabweichung berücksichtigt die Streuung beider Gruppen gemeinsam. Cohens d = 0.2 gilt als kleiner, d = 0.5 als mittlerer und d = 0.8 als großer Effekt.

Warum der p-Wert allein nicht genügt

Viele Ergebniszusammenfassungen scheitern an einem einzigen Satz: „Das Ergebnis war signifikant (p = .03).“ Dieser Satz mag formal korrekt sein – inhaltlich sagt er kaum etwas aus.

Der p-Wert misst, wie inkompatibel die beobachteten Daten mit einem spezifizierten statistischen Modell sind. Er misst aber ausdrücklich nicht die Wahrscheinlichkeit, dass eine Hypothese wahr ist, und auch nicht, ob ein Effekt praktisch bedeutsam ist. Wissenschaftliche Schlussfolgerungen, die allein darauf beruhen, ob ein p-Wert eine bestimmte Schwelle überschreitet, greifen zu kurz.

Was stattdessen in eine Zusammenfassung gehört, sind ergänzende Angaben, die den Befund erst vollständig machen: Effektgröße, Konfidenzintervall und – wo möglich – eine Einschätzung der praktischen Bedeutsamkeit. Mehr dazu, was das Signifikanzniveau von 0,05 konkret bedeutet, finden Sie in unserem eigenen Beitrag zum Thema.

Konfidenzintervalle und Präzision der Schätzung

Das Konfidenzintervall (KI) ist einer der aussagekräftigsten Bausteine einer Ergebniszusammenfassung – und wird trotzdem häufig weggelassen. Dabei zeigt es genau das, was ein p-Wert verschweigt: die Unsicherheit der Schätzung.

Was das Konfidenzintervall aussagt

Ein 95%-Konfidenzintervall für einen Odds Ratio von 0.75 kann entweder [0.70, 0.80] lauten oder [0.50, 1.10]. Der Punktschätzer ist identisch – die Aussagekraft nicht.

• Ein schmales Intervall wie [0.70, 0.80] spricht für hohe Präzision: Der wahre Effekt liegt mit hoher Wahrscheinlichkeit in einem engen Bereich.
• Ein weites Intervall wie [0.50, 1.10] zeigt, dass die Datenlage noch wenig Sicherheit über den wahren Effekt bietet – und dass möglicherweise eine größere Stichprobe erforderlich wäre.

In der evidenzbasierten Forschung gilt es als Standard, Punktschätzung und Konfidenzintervall gemeinsam zu berichten, weil erst die Kombination Richtung, Größe und Präzision eines Effekts vollständig beschreibt.

Konfidenzintervall im Text angeben

Die Notation im Fließtext lautet üblicherweise: OR = 0.75, 95%-KI [0.70, 0.80]. Für Mittelwertsdifferenzen, Regressionskoeffizienten oder Korrelationen funktioniert dasselbe Prinzip. Wichtig ist, dass das Konfidenzintervall nicht nachträglich ergänzt wird, sondern als primäres Ergebnis behandelt wird – nicht als optionale Zusatzangabe.

Wie eine gute Ergebniszusammenfassung aufgebaut ist

Eine strukturierte Zusammenfassung folgt einer klaren Reihenfolge. Das hilft nicht nur den Lesenden, sondern zwingt auch zur Vollständigkeit beim Schreiben.

Reihenfolge: Erst berichten, dann interpretieren

Im Ergebnisteil einer wissenschaftlichen Arbeit gilt: Zuerst werden die Kennwerte berichtet, dann folgt – meist in der Diskussion – die inhaltliche Interpretation. Wer diese Trennung nicht einhält, vermischt Befund und Deutung auf eine Weise, die Gutachtende regelmäßig beanstanden. Was im Aufbau zuerst kommt – Analyse oder Ergebnisse – und wie der Übergang zur Diskussion gelingt, ist eine Frage des Gesamtaufbaus der Arbeit.

Tabellen und Visualisierungen sinnvoll einsetzen

Komplexe Ergebnisse – etwa aus einer MANOVA, einer multiplen Regression oder einer Faktorenanalyse – lassen sich in Tabellenform übersichtlicher darstellen als im reinen Fließtext. Dabei gilt: Die Tabelle ergänzt den Text, ersetzt ihn aber nicht. Die zentralen Befunde werden im Fließtext explizit benannt, die Tabelle liefert die Detailwerte.

Wer unsicher ist, wie statistische Ergebnisse vollständig und korrekt verschriftlicht werden, findet auf der Seite zur Interpretation und Verschriftlichung statistischer Ergebnisse einen umfassenden Überblick über alle relevanten Aspekte.

Sprachliche Präzision: Was man sagen darf – und was nicht

Einige Formulierungen sind im wissenschaftlichen Kontext schlicht falsch und sollten vermieden werden:

Häufige Fehler beim Zusammenfassen

Selbst sorgfältig durchgeführte Analysen verlieren an Glaubwürdigkeit, wenn die Zusammenfassung lückenhaft ist. Die häufigsten Probleme, die Gutachtende beanstanden:

• Fehlende Effektgrößen: Signifikanz ohne Effektstärke ist unvollständig. Gerade bei großen Stichproben werden triviale Unterschiede leicht signifikant.
• Keine Konfidenzintervalle: Wer nur den Punktschätzer angibt, verschweigt die Unsicherheit der Schätzung.
• Fehlende n-Angaben: Kennwerte ohne zugehörige Stichprobengröße sind kaum bewertbar.
• Unklare Streuungsangaben: „±0.45″ ohne Erläuterung, ob es sich um SD oder SE handelt, ist wertlos.
• Voraussetzungen nicht erwähnt: Wurde die Normalverteilung geprüft? Welches Verfahren wurde verwendet, wenn sie verletzt war?
• Interpretation im Ergebnisteil: Schlussfolgerungen zur Forschungsfrage gehören in die Diskussion, nicht in den Ergebnisteil.

Wer die Ergebnisteil-Struktur für die eigene Arbeit systematisch aufbauen möchte, findet dort einen praktischen Leitfaden mit konkreten Formulierungshilfen. Für die übergeordnete Frage, wie statistische Ergebnisse korrekt interpretiert werden, empfiehlt sich ein Blick auf den vertiefenden Beitrag dazu.

Wer seine Ergebnisse nicht nur berichten, sondern auch eine tragfähige Interpretation formulieren möchte, sollte außerdem beachten, dass die inhaltliche Einordnung immer auf der Basis der Forschungsfrage und des theoretischen Rahmens erfolgen muss – nicht allein auf Basis der p-Werte.