Wie plant man eine empirische Studie in der Psychologie?

Die Planungslogik einer psychologischen Studie

Eine empirische Studie in der Psychologie entsteht nicht am Tag der Datenerhebung – sie entsteht Wochen oder Monate früher, im Kopf und auf dem Papier. Wer erst nach der Erhebung entscheidet, welche Hypothesen geprüft und welche Tests gerechnet werden, riskiert methodische Schwächen, die sich im Nachhinein kaum beheben lassen.

Die Planungsphase legt fest, was Sie untersuchen, warum, mit welchen Mitteln und wie Sie die Ergebnisse später interpretieren und berichten. Empirische Psychologieforschung folgt dabei einem systematischen Prozess, bei dem aus theoretischen Annahmen überprüfbare Hypothesen abgeleitet und anschließend passendes Design, Messinstrumente und Auswertungsverfahren gewählt werden.

Dieser Artikel führt Sie durch die zentralen Planungsschritte – von der Forschungsfrage über das Studiendesign bis hin zur Preregistrierung.

Forschungsfrage und Hypothesen ableiten

Der erste Schritt jeder empirischen Studie ist eine präzise Forschungsfrage. Sie grenzt das Thema ein, macht das Erkenntnisinteresse deutlich und gibt die Richtung für alle folgenden Entscheidungen vor.

Von der Theorie zur überprüfbaren Hypothese

Eine gute Forschungsfrage entsteht nicht im Vakuum. Sie basiert auf dem aktuellen Forschungsstand, den Sie sich durch eine systematische Literaturrecherche erschließen. Erst wer weiß, was bereits bekannt ist, kann sinnvoll einschätzen, welche Lücke die eigene Studie schließen soll.

Aus der Forschungsfrage werden dann Hypothesen abgeleitet – konkrete, falsifizierbare Aussagen über erwartete Zusammenhänge oder Unterschiede. Dabei unterscheidet man:

• Gerichtete Hypothesen: Eine Variable hat einen positiven oder negativen Effekt auf eine andere (z. B. „Höhere Prüfungsangst geht mit schlechterer Gedächtnisleistung einher“).
• Ungerichtete Hypothesen: Es wird ein Unterschied oder Zusammenhang erwartet, aber keine Richtung vorhergesagt.
• Null- und Alternativhypothesen: Die statistische Grundlage für inferenzstatistische Tests.

Wichtig ist die Unterscheidung zwischen primären Hypothesen (Kernfrage der Studie) und sekundären Hypothesen (ergänzende Fragestellungen). Diese Trennung ist methodisch sauber und erleichtert später die Interpretation der Ergebnisse erheblich.

Das passende Studiendesign wählen

Sobald Forschungsfrage und Hypothesen stehen, stellt sich die Frage: Welches Design ist geeignet, diese Hypothesen zu prüfen? Die Wahl des Designs beeinflusst direkt, welche kausalen Schlussfolgerungen Sie aus den Daten ziehen dürfen.

Experimentell, quasi-experimentell oder korrelativ?

In der Psychologie werden vor allem folgende Grunddesigns unterschieden:

Besonders in Abschlussarbeiten greifen Studierende häufig auf korrelative Querschnittdesigns zurück – etwa eine Fragebogenstudie, die mehrere Konstrukte gleichzeitig erhebt. Das ist methodisch legitim, solange die Interpretation entsprechend vorsichtig bleibt: Korrelation bedeutet nicht Kausalität.

Wer Kausalaussagen treffen möchte, kommt um ein experimentelles Design nicht herum. Für viele psychologische Fragestellungen im Studium ist das allerdings nicht realistisch umsetzbar – und das ist vollkommen in Ordnung, solange das Design zur Fragestellung passt.

Längs- oder Querschnittdesign?

Neben der Frage nach Manipulation und Randomisierung müssen Sie entscheiden, ob Sie Ihre Daten zu einem Zeitpunkt (Querschnitt) oder zu mehreren Zeitpunkten (Längsschnitt) erheben. Längsschnittdesigns erlauben Aussagen über Veränderungen und zeitliche Verläufe, sind aber aufwendiger und anfälliger für Stichprobenausfälle (Attrition).

Konstrukte operationalisieren und Messinstrumente festlegen

Psychologische Konstrukte wie Stress, Motivation, Resilienz oder kognitive Leistung sind nicht direkt beobachtbar. Sie müssen operationalisiert werden – das heißt, Sie legen fest, wie genau Sie ein Konstrukt messen wollen.

Validierte Skalen vs. Eigenentwicklung

In der Psychologie stehen für die meisten Konstrukte validierte und normierte Instrumente zur Verfügung. Der Rückgriff auf etablierte Skalen hat klare Vorteile:

• Reliabilität und Validität sind bereits belegt.
• Vergleichbarkeit mit anderen Studien ist gewährleistet.
• Beurteilende wissen, was sie erwarten können.

Eigenentwickelte Items hingegen erfordern eine aufwendige Skalenanalyse – einschließlich Itemselektion, Reliabilitätsprüfung (etwa per Cronbachs Alpha) und idealerweise einer Faktorenanalyse. Das ist im Rahmen einer Bachelorarbeit oft schwer realisierbar.

Wenn Sie einen Fragebogen einsetzen, sollten Sie außerdem frühzeitig an die spätere Auswertung denken. Eine ausführliche Erläuterung dazu bietet der Beitrag über das Auswerten von Fragebögen in der Psychologie.

Stichprobe und Poweranalyse

Wie viele Personen brauchen Sie für Ihre Studie? Diese Frage lässt sich nicht pauschal beantworten – sie hängt von der erwarteten Effektgröße, dem gewählten Test und dem akzeptierten Fehlerrisiko ab.

Die Poweranalyse als Pflichtschritt

Eine a-priori-Poweranalyse berechnet die notwendige Stichprobengröße, bevor Sie mit der Erhebung beginnen. Das Ziel: Sicherstellen, dass Ihre Studie einen tatsächlich vorhandenen Effekt mit ausreichender Wahrscheinlichkeit auch entdeckt. Üblich ist eine Power von , also eine 80-prozentige Chance, einen echten Effekt zu finden.

Studien zeigen, dass die statistische Power in publizierten psychologischen Studien im Schnitt deutlich unter dem empfohlenen Schwellenwert liegt – was bedeutet, dass viele Studien zu klein sind, um ihre eigenen Hypothesen zuverlässig zu testen.

Für die Poweranalyse benötigen Sie:

• Den erwarteten Effekt (z. B. Cohens d oder f für Gruppenvergleiche)
• Das Alpha-Niveau (üblicherweise .05)
• Die gewünschte Power (mindestens .80)
• Das geplante statistische Verfahren

Für die praktische Berechnung ist das kostenlose Programm G*Power in der Psychologie weit verbreitet. Eine ausführliche Erläuterung der Stichprobenplanung finden Sie im Beitrag zur optimalen Stichprobengröße in der Psychologie.

Ein- und Ausschlusskriterien

Neben der Größe muss die Stichprobe auch qualitativ definiert werden. Wer darf teilnehmen, wer nicht? Typische Ausschlusskriterien in der klinischen Psychologie sind etwa bestimmte Diagnosen, laufende Psychotherapien oder bestimmte Altersgruppen. Diese Kriterien müssen vor der Erhebung festgelegt – und später vollständig dokumentiert – werden.

Die APA verlangt in ihren Reporting Standards, dass Ein- und Ausschlusskriterien sowie die Stichprobengrößenplanung transparent nachvollziehbar berichtet werden. Das ist kein bürokratischer Akt, sondern sichert die Replizierbarkeit Ihrer Studie.

Den Analyseplan vor der Erhebung festlegen

Ein häufig unterschätzter Schritt: Der Analyseplan sollte nicht erst nach der Datenerhebung erstellt werden, sondern vorher. Das klingt zunächst ungewohnt, ist in der Praxis aber entscheidend für methodische Sauberkeit.

Was gehört in einen Analyseplan?

Ein vollständiger Analyseplan hält fest:

• Welche statistischen Tests für welche Hypothesen verwendet werden
• Welche Voraussetzungen geprüft werden (z. B. Normalverteilung, Varianzhomogenität)
• Wie mit fehlenden Werten umgegangen wird
• Wie Ausreißer identifiziert und behandelt werden
• Welche Effektstärken berichtet werden
• Ob und wie multiple Tests korrigiert werden (z. B. Bonferroni)

Die Frage, welche statistischen Verfahren für Ihre Fragestellung geeignet sind, hängt von Skalenniveau, Gruppenanzahl und Studiendesign ab. Einen strukturierten Überblick bietet der Beitrag zu den statistischen Verfahren im Psychologiestudium.

Konfirmatorisch vs. explorativ – die Unterscheidung zählt

Planen Sie von Anfang an, welche Analysen konfirmatorisch (Hypothesentests) und welche explorativ (datengetriebene Zusatzanalysen) sind. Diese Trennung ist wissenschaftlich wichtig: Explorativ gewonnene Befunde sind interessant, aber keine Bestätigung einer Hypothese – sie generieren allenfalls neue Hypothesen für künftige Studien.

Wer beide Analysearten im Nachhinein als hypothesenbestätigend darstellt, begeht einen methodischen Fehler, der in der Fachliteratur als HARKing (Hypothesizing After Results are Known) bezeichnet wird.

Preregistrierung: Transparenz von Anfang an

Ein zunehmend wichtiger Schritt in der modernen Psychologieforschung ist die Preregistrierung: die schriftliche Festlegung und öffentliche Dokumentation des Forschungsplans vor Datenerhebung oder -analyse.

Was ist Preregistrierung und wozu dient sie?

Bei einer Preregistrierung hinterlegen Sie Ihren Forschungsplan – Hypothesen, Design, Stichprobenplan, Messinstrumente, Analyseentscheidungen – in einem öffentlichen Register, bevor die Daten erhoben werden. Das Center for Open Science beschreibt Preregistrierung als Festlegung eines Forschungsplans, der nachträgliche Anpassungen sichtbar und nachvollziehbar macht.

Das bedeutet nicht, dass Sie sklavisch an jedem Detail festhalten müssen. Abweichungen vom Plan sind erlaubt – sie müssen aber kenntlich gemacht und begründet werden. Diese Transparenz ist der eigentliche Mehrwert.

Ist Preregistrierung für Abschlussarbeiten sinnvoll?

Für Bachelorarbeiten ist Preregistrierung selten verpflichtend. In Masterarbeiten und Dissertationen wird sie jedoch zunehmend erwartet, insbesondere in Fächern mit hohem methodischen Anspruch.

Selbst wenn Ihre Hochschule keine formale Preregistrierung verlangt, profitieren Sie von der Übung: Das Aufschreiben Ihres Plans zwingt Sie, methodische Entscheidungen frühzeitig zu durchdenken – und verhindert, dass Sie sich im Laufe der Auswertung in Sackgassen manövrieren.

Geeignete Plattformen für die Preregistrierung sind etwa das Open Science Framework (OSF) oder AsPredicted.

Schritt-für-Schritt-Überblick: Planungsphasen im Überblick

Abschließend finden Sie hier einen kompakten Überblick über alle zentralen Planungsschritte – als Orientierung für Ihre eigene Studie:

Ergebnisse später korrekt berichten

Eine sorgfältige Planung zahlt sich auch bei der Ergebnisdarstellung aus. Wer von Beginn an weiß, welche Hypothesen er testet und welche Effektstärken er berichtet, kommt beim Schreiben nicht in Erklärungsnot. Mehr dazu, wie Ergebnisse formal korrekt dargestellt werden, finden Sie im Beitrag zum APA-konformen Berichten von Ergebnissen.

Gerade die Interpretation von Effektstärken – etwa Cohens d oder Eta-Quadrat – gehört zu den häufigen Unsicherheiten in Abschlussarbeiten. Der Beitrag zum Interpretieren von Effektstärken in der psychologischen Forschung gibt hier konkrete Orientierung.

Wenn die Planung komplex wird

Nicht jede Studie lässt sich nach einem einfachen Schema planen. Wer komplexere Designs umsetzt – etwa mit Mediationsanalysen, Strukturgleichungsmodellen oder mehrfaktoriellen Designs – steht vor Entscheidungen, die tief in die Methodik eingreifen. In solchen Fällen lohnt es sich, frühzeitig methodische Unterstützung in Anspruch zu nehmen.

Spezialisierte Statistikberatung für Psychologie kann dabei helfen, das Design zu schärfen, die richtigen Verfahren auszuwählen und den Analyseplan so aufzustellen, dass er später einer kritischen Begutachtung standhält.