Wie formuliert man eine Interpretation?
In diesem Beitrag
Was eine Interpretation leisten soll
Eine Interpretation ist mehr als das Ablesen eines p-Werts. Sie beantwortet die Frage: Was bedeutet dieses Ergebnis im Kontext meiner Forschungsfrage? Erst wenn eine Zahl inhaltlich eingeordnet wird, entsteht wissenschaftlicher Erkenntnisgewinn.
Gleichzeitig ist die Interpretation klar von der reinen Ergebnisdarstellung zu trennen. Wer statistische Ergebnisse aufschreibt, berichtet zunächst die Kennwerte – Teststatistik, Freiheitsgrade, p-Wert, Effektgröße. Die Interpretation folgt danach und ordnet diese Kennwerte inhaltlich ein.
Diesen Übergang konsequent einzuhalten, fällt in der Praxis oft schwer. Viele Abschlussarbeiten vermischen Beschreibung und Bewertung, was den Text schwer nachvollziehbar macht. Die Lösung liegt in einer klaren Satzstruktur, die Sie weiter unten kennenlernen.
Die Bausteine einer guten Interpretation
Eine belastbare Interpretation besteht aus mehreren klar definierten Elementen. Wenn eines davon fehlt, entsteht entweder eine reine Zahlenbeschreibung oder eine unbelegte Schlussfolgerung – beides ist problematisch.
Wissenschaftliche Reporting-Standards legen fest, welche Informationen ein Befund enthalten muss, darunter Effektgrößen, Konfidenzintervalle sowie die Richtung und Stärke des beobachteten Zusammenhangs. Daraus ergibt sich ein konkretes Gerüst für jeden Interpretationssatz.
Die fünf Bausteine im Überblick
| Baustein | Leitfrage | Beispielformulierung |
|---|---|---|
| Befund benennen | Was wurde gefunden? | „Es zeigte sich ein signifikanter Unterschied zwischen den Gruppen…“ |
| Richtung angeben | In welche Richtung wirkt der Effekt? | „…wobei Gruppe A höhere Werte aufwies als Gruppe B.“ |
| Stärke einordnen | Wie groß ist der Effekt? | „Die Effektgröße von d = 0,45 entspricht einem mittleren Effekt.“ |
| Unsicherheit benennen | Wie präzise ist die Schätzung? | „Das 95%-Konfidenzintervall schließt Werte von 0,12 bis 0,78 ein.“ |
| Hypothesenbezug herstellen | Passt das zur Hypothese? | „Die Hypothese H1 wird damit bestätigt / nicht bestätigt.“ |
Nicht jede Analyse erfordert alle fünf Bausteine in gleicher Tiefe. Bei einfachen deskriptiven Auswertungen reichen Befund, Richtung und Hypothesenbezug. Bei Regressionsanalysen oder komplexen Gruppenvergleichen sollten Stärke und Unsicherheit immer explizit adressiert werden.
Warum Effektgröße und Konfidenzintervall unverzichtbar sind
Ein p-Wert allein sagt nichts darüber aus, ob ein Effekt praktisch bedeutsam ist. Zwei Studien können denselben p-Wert haben, aber sehr unterschiedlich große Effekte zeigen. Gute wissenschaftliche Praxis sieht vor, Effektgrößen grundsätzlich neben dem p-Wert zu berichten und in der Interpretation einzuordnen.
Das Konfidenzintervall ergänzt diese Einordnung: Es zeigt, in welchem Bereich der wahre Populationsparameter mit hoher Wahrscheinlichkeit liegt, und gibt damit ein direktes Maß für die Präzision der Schätzung. Eine Interpretation ohne Konfidenzintervall ist wie ein Messergebnis ohne Angabe der Messgenauigkeit.
Was das Signifikanzniveau in diesem Zusammenhang bedeutet und welche Konventionen für α = 0,05 und α = 0,01 gelten, ist eine eigene methodische Frage – aber für die Formulierung gilt: Berichten Sie stets den exakten p-Wert statt nur „signifikant“ oder „nicht signifikant“ zu schreiben.
Konkrete Formulierungsbeispiele für typische Analysen
Abstrakte Regeln sind hilfreich – konkrete Beispielsätze sind noch hilfreicher. Die folgenden Formulierungen zeigen, wie die fünf Bausteine für verschiedene Analysetypen zusammengefügt werden.
t-Test: Gruppenvergleich
Ein typischer Interpretationssatz für einen unabhängigen t-Test könnte so aussehen:
„Der Gruppenvergleich ergab einen statistisch signifikanten Unterschied in der Prüfungsleistung zwischen der Interventions- und der Kontrollgruppe, t(58) = 2,84, p = .006. Die Interventionsgruppe erzielte im Mittel höhere Werte (M = 72,3, SD = 8,1) als die Kontrollgruppe (M = 65,7, SD = 9,4). Die Effektgröße nach Cohen (d = 0,75) entspricht einem großen Effekt. Das 95%-Konfidenzintervall für den Mittelwertunterschied liegt zwischen 1,9 und 11,3 Punkten. Hypothese H1, die einen positiven Effekt der Intervention erwartet hatte, wird damit bestätigt.“
Dieser Satz folgt dem Muster: Befund → Richtung → Stärke → Unsicherheit → Hypothesenbezug. Jeder Baustein ist in einem eigenständigen Satz realisiert, was die Lesbarkeit erhöht.
Korrelation
„Zwischen Arbeitszufriedenheit und Commitment zeigte sich ein positiver, statistisch signifikanter Zusammenhang (r = .52, p = .003, 95%-KI [.28, .70]). Der Effekt ist nach konventionellen Maßstäben als mittelstark bis stark einzuordnen. Die Hypothese eines positiven Zusammenhangs zwischen den beiden Konstrukten wird damit gestützt.“
Regressionsanalyse
„Arbeitsstunden pro Woche leistete einen statistisch signifikanten Beitrag zur Vorhersage des Burnout-Scores (β = .41, t(97) = 4,32, p < .001). Mit jeder zusätzlichen Wochenstunde erhöhte sich der vorhergesagte Burnout-Score um 0,23 Punkte (95%-KI [0,12, 0,34]). Das Modell erklärt insgesamt 28 % der Varianz im Burnout-Score (R² = .28). Die gerichtete Hypothese H2 wird somit angenommen.“
Nicht signifikante Ergebnisse
Ein häufig vernachlässigter Fall: Was schreiben Sie, wenn der Befund nicht signifikant ist? Auch ein nicht signifikantes Ergebnis verdient eine vollständige Interpretation – und keine pauschal-negative Formulierung wie „Es konnte kein Zusammenhang gefunden werden.“
„Der Zusammenhang zwischen Schlafdauer und Prüfungsleistung war in der vorliegenden Stichprobe statistisch nicht signifikant (r = .14, p = .21). Die Effektgröße ist gering, und das breite Konfidenzintervall (95%-KI [−.08, .34]) schließt sowohl positive als auch negative Richtungen ein. Die Hypothese H3 wird auf Basis dieser Daten nicht bestätigt. Angesichts der begrenzten Stichprobengröße (n = 62) ist eine geringe statistische Power als mögliche Ursache zu berücksichtigen.“
Diese Formulierung zeigt: Auch ein Nullergebnis liefert Information – und ist kein Misserfolg, sondern ein wissenschaftlicher Befund.
Häufige Fehler beim Formulieren von Interpretationen
In der Betreuungspraxis zeigen sich immer wieder dieselben Schwachstellen. Wer diese kennt, kann sie gezielt vermeiden.
- Nur Signifikanz berichten, Effektgröße weglassen: „Das Ergebnis ist signifikant (p = .04)“ ist unvollständig. Ohne Effektgröße fehlt die Information über die praktische Bedeutsamkeit.
- Kausalität behaupten ohne experimentelles Design: Bei korrelativen Studien ist „X beeinflusst Y“ nicht zulässig. Korrekt: „X steht in Zusammenhang mit Y“ oder „X geht mit Y einher“.
- Interpretation vor der Ergebnisdarstellung: Zuerst kommen Teststatistik, Kennwerte und p-Wert – dann erst die inhaltliche Einordnung. Was zuerst kommt – Analyse oder Ergebnisse – ist dabei eine strukturelle Grundentscheidung, die schon vor dem Schreiben getroffen werden sollte.
- Umgangssprachliche oder wertende Formulierungen: „Das ist ein sehr gutes Ergebnis“ oder „Leider wurde kein Effekt gefunden“ sind nicht angemessen.
- Hypothesenbezug vergessen: Jede Interpretation sollte mit einem klaren Satz enden, der angibt, ob die Hypothese angenommen oder abgelehnt wird.
- Zahlen ohne Einheit oder Kontext: „r = .52″ sagt mehr als „es besteht ein Zusammenhang“ – aber erst „r = .52, was einem mittleren bis starken Effekt entspricht“ ist vollständig interpretiert.
Wie die Interpretation in den Ergebnisteil eingebettet wird
Die Interpretation steht nicht isoliert, sondern ist Teil einer dreiteiligen Struktur innerhalb des Ergebnisteils. Diese Struktur sorgt dafür, dass Lesende den Gedankengang lückenlos nachvollziehen können.
Die Drei-Schritt-Struktur
- Ergebnisdarstellung: Teststatistik, Freiheitsgrade, p-Wert, Effektgröße, Konfidenzintervall – alles nach APA-Standard. Reproduzierbare Berichterstattung setzt voraus, dass alle relevanten statistischen Parameter vollständig und transparent ausgewiesen werden, damit Lesende die Ergebnisse eigenständig einordnen können.
- Interpretation: Bedeutung des Befunds in Bezug auf die Hypothese, einschließlich Richtung, Stärke und Unsicherheit.
- Überleitung (optional im Ergebnisteil, obligatorisch in der Diskussion): Kurzer Hinweis, was dieser Befund für die Gesamtfragestellung bedeutet oder welche Folgefragen er aufwirft.
Im Ergebnisteil bleibt die Interpretation nah am Befund und vermeidet den Vergleich mit der Literatur – das ist Aufgabe der Diskussion. Wie eine solche Diskussion aufgebaut wird und wie einzelne Befunde zu einem Gesamtbild zusammengefügt werden, beschreibt der Beitrag zum Schreiben einer Ergebnisinterpretation ausführlicher.
Sprachliche Mittel für verschiedene Befundlagen
Die Sprache der Interpretation sollte präzise und zurückhaltend sein. Folgende Formulierungsmuster helfen dabei, den richtigen Ton zu treffen:
| Befundlage | Geeignete Formulierungen | Zu vermeiden |
|---|---|---|
| Signifikant, großer Effekt | „bestätigt“, „spricht deutlich für“, „steht in starkem Zusammenhang mit“ | „beweist“, „zeigt eindeutig dass“ |
| Signifikant, kleiner Effekt | „stützt“, „zeigt einen schwachen, aber signifikanten Zusammenhang“ | „bestätigt vollständig“, „ist sehr bedeutsam“ |
| Nicht signifikant | „wird nicht bestätigt“, „liefert keinen statistischen Beleg für“ | „widerlegt“, „zeigt dass kein Effekt existiert“ |
| Korrelativer Zusammenhang | „geht einher mit“, „steht in Zusammenhang mit“, „ist assoziiert mit“ | „verursacht“, „führt zu“, „beeinflusst“ |
Wo die Interpretation beginnt – ein praktischer Hinweis
Viele Studierende beginnen die Interpretation im selben Satz wie die Ergebnisdarstellung, was beides unscharf macht. Bewährt hat sich, Ergebnisdarstellung und Interpretation in getrennte Sätze zu fassen – manchmal auch mit einem kurzen Signalwort als Übergang: „Das bedeutet…“, „Damit wird deutlich…“, „Inhaltlich lässt sich daraus schließen…“
Wer seinen Ergebnissen eine inhaltliche Bedeutung zuschreiben möchte, ohne dabei methodische Standards zu verletzen, profitiert von dieser klaren sprachlichen Trennung.
Für die übergeordnete Frage, wie statistische Kennwerte wie die Standardabweichung interpretiert werden, lohnt sich ein separater Blick auf die deskriptiven Maße – denn auch sie sind Bestandteil vollständiger Interpretationen.
Checkliste vor dem Abgeben
Bevor Sie Ihren Ergebnisteil einreichen, empfiehlt sich ein letzter Durchgang mit folgenden Kontrollfragen. Die professionelle Unterstützung bei der Interpretation und Verschriftlichung statistischer Ergebnisse setzt an genau diesen Punkten an.
Checkliste: Interpretationsformulierung
- Enthält jeder Interpretationssatz den konkreten Befund mit Kennwerten?
- Ist die Richtung des Effekts explizit benannt?
- Ist die Effektgröße berichtet und inhaltlich eingeordnet (klein / mittel / groß)?
- Ist ein Konfidenzintervall angegeben oder zumindest thematisiert?
- Wird der Bezug zur Hypothese klar formuliert (angenommen / nicht angenommen)?
- Sind keine Kausalaussagen bei korrelativen Designs enthalten?
- Sind p-Werte als exakte Werte angegeben (z. B. p = .023 statt p < .05)?
- Ist die Sprache präzise und frei von wertenden oder umgangssprachlichen Ausdrücken?
- Ist die Interpretation klar von der reinen Ergebnisdarstellung getrennt?
- Werden nicht signifikante Ergebnisse gleichwertig und vollständig berichtet?
Die hier beschriebene Strukturierung ist in der Methodenliteratur breit verankert. Wer statistische Ergebnisse systematisch und nachvollziehbar darstellen möchte, findet in der Übersicht zum Beschreiben statistischer Ergebnisse im Text weitere Orientierung für den gesamten Ergebnisteil.
