Wie führe ich einen t-Test in JASP durch?

Einen t-Test in JASP durchzuführen ist technisch gesehen unkompliziert: Sie laden Ihre Daten, wählen über das Menü den passenden Test aus, verschieben Ihre Variablen per Drag-and-drop in die entsprechenden Felder und erhalten den Output in Sekunden. Die eigentliche Herausforderung liegt woanders – nämlich darin, den richtigen der drei t-Tests zu wählen, die Voraussetzungen korrekt zu prüfen und die Ergebnisse vollständig zu berichten. Dieser Artikel führt Sie Schritt für Schritt durch alle drei Varianten.

Welche t-Tests gibt es in JASP?

JASP unterscheidet drei klassische t-Test-Varianten, die unterschiedliche Fragestellungen und Datenstrukturen abdecken. Welchen Sie benötigen, hängt von Ihrem Studiendesign ab:

Alle drei Tests finden Sie in JASP unter dem Menüpunkt T-Tests. Welche statistischen Tests JASP insgesamt anbietet, ist in einem separaten Beitrag ausführlicher beschrieben. Der aktuelle offizielle Studierendenleitfaden von JASP behandelt alle drei Varianten mit konkreten Menüpfaden und gibt damit eine verlässliche Orientierung für Abschlussarbeiten.

Voraussetzungen prüfen – bevor Sie loslegen

Alle t-Tests teilen eine Reihe grundlegender Annahmen. Werden diese verletzt, ist das Ergebnis unter Umständen nicht interpretierbar. Prüfen Sie daher vor der eigentlichen Analyse folgende Punkte:

• Skalenniveau: Die abhängige Variable muss kontinuierlich (metrisch) gemessen sein.
• Unabhängigkeit: Die einzelnen Datenpunkte dürfen nicht voneinander abhängen (Ausnahme: beim Paired-Test sind die Paare per Definition verbunden).
• Normalverteilung: Die Daten sollten annähernd normalverteilt sein – bei kleinen Stichproben (< 30) ist das besonders wichtig.
• Keine gravierenden Ausreißer: Extreme Werte können den Mittelwert verzerren und die Teststatistik stark beeinflussen.

Beim Independent-Samples-t-Test kommt als vierte Annahme die Varianzhomogenität hinzu: Die Varianzen in beiden Gruppen sollten vergleichbar sein. JASP prüft das automatisch mit dem Levene-Test und wechselt bei Bedarf auf den robusteren Welch-t-Test. Beim Paired-Samples-t-Test entfällt diese Annahme, weil dieselben Personen verglichen werden – relevant ist dort vor allem die Normalverteilung der Differenzwerte, die JASP mit dem Shapiro-Wilk-Test prüft.

One-Sample-t-Test in JASP durchführen

Der One-Sample-t-Test prüft, ob der Mittelwert Ihrer Stichprobe statistisch signifikant von einem vorgegebenen Populationswert abweicht. Die Nullhypothese lautet dabei: Der Stichprobenmittelwert entspricht dem Populationsmittelwert.

Dabei steht für den Stichprobenmittelwert, für den hypothetischen Populationsmittelwert, für die Stichprobenstandardabweichung und für die Stichprobengröße.

Schritt-für-Schritt-Anleitung

1. Öffnen Sie JASP und laden Sie Ihre Datendatei (CSV, SAV oder XLSX).
2. Klicken Sie im oberen Menü auf T-Tests.
3. Wählen Sie One Sample T-Test.
4. Verschieben Sie Ihre Messvariable per Drag-and-drop in das Feld Variables.
5. Tragen Sie unter Test Value den Populationsmittelwert ein, gegen den Sie testen möchten (z. B. 100 für einen IQ-Test).
6. Aktivieren Sie unter Additional Statistics: Effect Size (Cohen’s d), Confidence Interval und Descriptives.
7. Aktivieren Sie unter Assumption Checks: Normality (Shapiro-Wilk).

JASP berechnet das Ergebnis sofort und zeigt es im rechten Ausgabepanel an.

Independent-Samples-t-Test in JASP durchführen

Dieser Test ist in empirischen Abschlussarbeiten der häufigste Anwendungsfall: Sie vergleichen zwei unabhängige Gruppen – etwa Experimental- vs. Kontrollgruppe oder zwei Studienrichtungen.

Was gehört in welches Feld?

Eine typische Fehlerquelle beim Independent-Samples-t-Test ist die Verwechslung von abhängiger Variable und Gruppierungsvariable. Die Rollen beider Variablen sind klar getrennt: Die abhängige Variable ist Ihre kontinuierliche Ergebnisvariable (z. B. Testergebnis in Punkten), die Gruppierungsvariable zeigt an, zu welcher Gruppe der jeweilige Fall gehört (z. B. 1 = Gruppe A, 2 = Gruppe B).

Schritt-für-Schritt-Anleitung

1. Klicken Sie auf T-Tests → Independent Samples T-Test.
2. Ziehen Sie die abhängige Variable in das Feld Dependent Variables.
3. Ziehen Sie die Gruppierungsvariable in das Feld Grouping Variable.
4. Als Standardtest ist Student aktiviert – lassen Sie ihn zunächst eingestellt.
5. Aktivieren Sie Welch zusätzlich oder alternativ, wenn Sie unsicher sind, ob die Varianzen gleich sind.
6. Aktivieren Sie unter Additional Statistics: Effect Size (Cohen’s d), Confidence Interval und Descriptives.
7. Aktivieren Sie unter Assumption Checks: Equality of Variances (Levene’s) und Normality (Shapiro-Wilk).

Levene-Test interpretieren

JASP gibt im Output automatisch den Levene-Test aus. Ist der p-Wert des Levene-Tests kleiner als 0,05, sind die Varianzen signifikant verschieden – verwenden Sie dann den Welch-t-Test statt des Student-t-Tests. Bei einem p-Wert über 0,05 können Sie den Standard-Student-t-Test berichten. Das Signifikanzniveau und seine Einstellung in JASP sind an anderer Stelle ausführlicher erklärt.

Paired-Samples-t-Test in JASP durchführen

Den Paired-Samples-t-Test verwenden Sie immer dann, wenn dieselben Personen unter zwei Bedingungen gemessen werden – klassischerweise bei einem Prä-Post-Design oder bei zwei verbundenen Messzeitpunkten.

Schritt-für-Schritt-Anleitung

1. Klicken Sie auf T-Tests → Paired Samples T-Test.
2. Ziehen Sie die erste Messvariable (z. B. Leistung_vorher) in das linke Feld des Variablenpaars.
3. Ziehen Sie die zweite Messvariable (z. B. Leistung_nachher) in das rechte Feld.
4. Standardmäßig ist der Student-t-Test und die ungerichtete Alternativhypothese (Measure 1 ≠ Measure 2) voreingestellt. Bei theoretisch begründeten gerichteten Hypothesen können Sie auf Measure 1 > Measure 2 oder Measure 1 < Measure 2 umstellen.
5. Aktivieren Sie: Effect Size (Cohen’s d), Location Parameter, Confidence Interval und Descriptives.
6. Aktivieren Sie unter Assumption Checks: Normality (Shapiro-Wilk).
7. Optional, aber empfehlenswert für die Ergebnisdarstellung: Descriptive Plots oder Raincloud Plot aktivieren.

Beim gepaarten Test müssen Sie keine Varianzhomogenität prüfen – da dieselben Personen verglichen werden, entfällt diese Annahme. Falls der Shapiro-Wilk-Test auf Verletzung der Normalverteilung hinweist, wechseln Sie auf den Wilcoxon Signed Ranks Test, den JASP im selben Fenster anbietet.

Ergebnisse lesen und berichten

JASP gibt den Output direkt im rechten Panel aus – übersichtlich, APA-formatiert und sofort verwendbar. Das klingt zunächst simpel, aber die Ergebnisse vollständig und korrekt zu berichten ist ein eigener Schritt, der in Abschlussarbeiten oft unterschätzt wird.

Was gehört in Ihre Ergebnisdarstellung?

Effektgröße Cohen’s d einordnen

Ein signifikantes Ergebnis allein ist nicht ausreichend – die Effektgröße gibt Aufschluss darüber, wie praktisch bedeutsam der gefundene Unterschied ist. Cohen’s d wird in JASP direkt ausgegeben und lässt sich nach folgenden Richtwerten einordnen:

Berichten Sie Cohen’s d immer zusammen mit dem Konfidenzintervall – das entspricht den Anforderungen moderner Publikationsstandards und vieler Hochschulrichtlinien. Wie das Signifikanzniveau in JASP konkret eingestellt ist und was es bedeutet, erläutert der Beitrag zum Signifikanzniveau in JASP genauer.

Beispielformulierung für den Ergebnisteil

„Der unabhängige t-Test ergab einen signifikanten Unterschied zwischen den beiden Gruppen, t(58) = 2,43, p = .018, d = 0,62 [95 % KI: 0,10, 1,13]. Die Experimentalgruppe (M = 74,3, SD = 8,1) zeigte im Vergleich zur Kontrollgruppe (M = 69,1, SD = 9,4) einen mittleren Effekt.“

Vergleichbar strukturiert lässt sich auch eine Korrelationsanalyse in JASP berichten – die Logik der vollständigen Ergebnisdarstellung ist dort dieselbe.

Häufige Fehler bei der Durchführung

In der Praxis zeigt sich, dass einige Fehler beim t-Test in JASP immer wieder auftreten – unabhängig davon, ob jemand die Software zum ersten oder fünften Mal verwendet.

Falsches Skalenniveau der Variablen

JASP liest das Skalenniveau aus Ihrer Datei aus, interpretiert es aber gelegentlich falsch. Eine Gruppierungsvariable, die numerisch kodiert ist (z. B. 1 und 2), wird manchmal als kontinuierlich erkannt. Klicken Sie auf den Spaltenkopf in der Datentabelle und stellen Sie das Niveau manuell auf Nominal um.

Falschen t-Test gewählt

Wer einen Prä-Post-Vergleich mit dem Independent-Samples-t-Test auswertet, erhält ein methodisch falsches Ergebnis – auch wenn JASP keine Fehlermeldung ausgibt. Überlegen Sie vor der Analyse: Sind es dieselben Personen zu zwei Zeitpunkten? Dann ist der Paired-Test zwingend.

Voraussetzungsprüfungen ignoriert

JASP berechnet den t-Test auch dann, wenn die Normalverteilungsannahme verletzt ist. Das Programm warnt Sie nicht automatisch – Sie müssen die Prüfungen aktiv aktivieren und interpretieren. Gerade bei kleinen Stichproben (unter 30 Fälle) ist die Normalitätsprüfung kein optionaler Schritt.

Nur den p-Wert berichten

Ein isolierter p-Wert ohne Effektgröße und Konfidenzintervall ist in modernen Abschlussarbeiten nicht mehr ausreichend. JASP liefert Cohen’s d auf Knopfdruck – nutzen Sie diese Option konsequent.

Wenn Sie sich bei der Auswahl des richtigen Tests, der Voraussetzungsprüfung oder der Ergebnisinterpretation unsicher sind, steht Ihnen das Team von QuantExpert für die methodische Begleitung Ihrer Auswertung in JASP zur Verfügung. Ob Einzelfragen oder vollständige Analysebegleitung – die Unterstützung richtet sich nach Ihrem Bedarf. Wer außerdem wissen möchte, wie sich JASP im Vergleich zu anderen Programmen schlägt, findet in unserem Beitrag zu den beliebtesten Statistiksoftware-Lösungen eine hilfreiche Übersicht.