Wie schreibt man statistische Ergebnisse auf?
In diesem Beitrag
Die Grundprinzipien des Ergebnisteils
Statistische Ergebnisse aufzuschreiben bedeutet: Sie berichten systematisch, präzise und nachvollziehbar, was Ihre Analyse ergeben hat – ohne zu werten, zu erklären oder zu interpretieren. Letzteres ist Aufgabe der Diskussion.
Das klingt zunächst simpel, ist in der Praxis aber einer der fehleranfälligsten Teile einer empirischen Arbeit. Viele Studierende schreiben entweder zu wenig (nur den p-Wert) oder zu viel (Interpretation mitten im Ergebnisteil). Beides ist problematisch.
Das Grundprinzip lässt sich in drei Schritte zusammenfassen:
- Hypothese oder Forschungsfrage erinnern – kurz, ein Satz genügt.
- Ergebnis benennen – wurde die Hypothese gestützt oder nicht?
- Kennwerte liefern – Teststatistik, Freiheitsgrade, p-Wert, Effektgröße.
Diese Logik ist konsistent mit dem, was einschlägige Methodenstandards verlangen: jede berichtete Analyse soll direkt an eine Hypothese gekoppelt sein, bevor die statistischen Kennwerte folgen.
Eine ausführlichere Übersicht, wie dieser Prozess von der Hypothese bis zur fertigen Formulierung funktioniert, bietet unsere Seite zur Interpretation und Verschriftlichung statistischer Ergebnisse.
Was gehört in einen statistischen Ergebnisbericht?
Eine der häufigsten Fragen lautet: Welche Angaben sind eigentlich Pflicht? Die Antwort hängt vom verwendeten Verfahren ab – es gibt aber einen gemeinsamen Kern, den jeder Ergebnisbericht enthalten sollte.
Deskriptive Statistiken zuerst
Bevor Sie Testergebnisse berichten, gehören immer die deskriptiven Kennwerte: Mittelwerte, Standardabweichungen, Häufigkeiten oder Mediane – je nach Skalenniveau. Diese Angaben geben dem Lesenden einen Überblick über die Daten, bevor die Inferenzstatistik folgt.
Die Bestandteile eines vollständigen Testergebnisses
Für inferenzstatistische Verfahren gilt: Eine knappe Aussage wie „es gab einen signifikanten Unterschied“ ist fachlich nicht ausreichend. Vollständige Ergebnisberichte nennen Teststatistik, Freiheitsgrade, p-Wert, Streuungsmaße und – wo passend – Konfidenzintervalle, sodass ein sachkundiger Lesender die Analyse anhand der Originaldaten nachvollziehen könnte.
| Bestandteil | Wann erforderlich? | Beispiel |
|---|---|---|
| Mittelwert & Standardabweichung | Immer bei metrischen Variablen | M = 3.42, SD = 0.87 |
| Teststatistik | Bei jedem inferenzstatistischen Test | t(58) = 2.34 |
| p-Wert | Immer | p = .023 |
| Effektgröße | Bei jeder Signifikanzprüfung | d = 0.61 |
| Konfidenzintervall | Empfohlen, teils Pflicht (APA) | 95% KI [0.12, 0.89] |
| Stichprobengröße | Immer, pro Gruppe oder gesamt | n = 30 pro Gruppe |
Effektgröße – nicht vergessen
Die Effektgröße ist der am häufigsten fehlende Bestandteil in studentischen Arbeiten. Dabei ist sie entscheidend: Ein statistisch signifikantes Ergebnis sagt nichts darüber aus, ob der Effekt auch praktisch bedeutsam ist. Die APA-Reporting-Standards verlangen ausdrücklich, dass Effektgrößen und Konfidenzintervalle standardmäßig berichtet werden, um die praktische Größe eines Befunds von der reinen statistischen Signifikanz zu trennen.
Bei kleinen Stichproben kann ein Effekt ausbleiben, obwohl er real existiert. Bei sehr großen Stichproben werden minimale Unterschiede schnell signifikant – ohne dass sie inhaltlich relevant sind. Die Effektgröße schafft hier Klarheit. Was das Signifikanzniveau von 0,05 konkret bedeutet und wie es sich zu anderen Niveaus verhält, ist dabei eine ergänzende Frage.
Konkrete Formulierungen für gängige Tests
Wie sieht das in der Praxis aus? Hier finden Sie Beispielformulierungen für die am häufigsten verwendeten statistischen Verfahren in Abschlussarbeiten.
t-Test (Gruppenvergleich)
Beim t-Test für unabhängige Stichproben folgt die Formulierung einem klaren Muster: Deskriptive Statistiken beider Gruppen, dann Teststatistik mit Freiheitsgraden, p-Wert und Effektgröße.
Beispielformulierung t-Test
„Die Gruppe A erzielte im Durchschnitt höhere Werte (M = 4.12, SD = 0.76) als Gruppe B (M = 3.54, SD = 0.91). Der t-Test für unabhängige Stichproben ergab einen signifikanten Unterschied, t(78) = 3.21, p = .002, d = 0.69.“
Einfaktorielle ANOVA
Bei der ANOVA gehört neben dem F-Wert und den Freiheitsgraden (Zähler und Nenner getrennt) auch das Eta-Quadrat als Effektgröße in den Bericht.
Beispielformulierung ANOVA
„Eine einfaktorielle ANOVA zeigte einen signifikanten Haupteffekt der Bedingung auf die abhängige Variable, F(2, 87) = 5.43, p = .006, η² = .11.“
Chi-Quadrat-Test
Beim Chi-Quadrat-Test werden Freiheitsgrade, Stichprobengröße und Cramer’s V (oder Phi) als Effektgröße angegeben.
Beispielformulierung Chi-Quadrat
„Der Chi-Quadrat-Test ergab einen signifikanten Zusammenhang zwischen Geschlecht und Berufswahl, χ²(1, N = 120) = 7.84, p = .005, V = .26.“
Korrelation nach Pearson
Bei Korrelationen wird der Korrelationskoeffizient r, die Stichprobengröße und der p-Wert angegeben. Das r ist selbst bereits eine Effektgröße.
Beispielformulierung Korrelation
„Es zeigte sich ein signifikanter positiver Zusammenhang zwischen Lernzeit und Prüfungsleistung, r(98) = .42, p < .001.“
Lineare Regression
Bei der Regression berichten Sie R², den F-Test für das Gesamtmodell sowie die standardisierten Regressionskoeffizienten β mit t-Wert und p-Wert für jeden Prädiktor.
Beispielformulierung Regression
„Das Regressionsmodell war signifikant, F(2, 97) = 12.34, p < .001, R² = .20. Lernzeit war ein signifikanter Prädiktor (β = .38, t = 4.12, p < .001), Schlafqualität hingegen nicht (β = .09, t = 0.94, p = .350).“
Wenn Sie beim Beschreiben statistischer Ergebnisse im Text unsicher sind, welche Kennwerte für welches Verfahren anzugeben sind, lohnt sich ein Blick auf die methodenspezifischen Vorgaben Ihrer Hochschule.
Symbole, Abkürzungen und Formatregeln
Statistische Kennwerte folgen in der wissenschaftlichen Schreibweise festen Konventionen. Diese betreffen Kursivschreibung, Dezimalzeichen, Leerzeichen und Rundung. Wer diese Regeln kennt, vermeidet unnötige Punktabzüge.
Kursivschreibung
Lateinische Statistik-Symbole werden kursiv gesetzt. Das gilt für: M (Mittelwert), SD (Standardabweichung), N oder n (Stichprobengröße), t, F, r, p, d, β. Griechische Buchstaben wie χ² oder η² werden dagegen nicht kursiv gesetzt.
Dezimalstellen und Rundung
- Teststatistiken (t, F, χ²): zwei Dezimalstellen
- p-Werte: zwei bis drei Dezimalstellen; wenn kleiner als .001, schreiben Sie p < .001
- Effektgrößen (d, r, η²): zwei Dezimalstellen
- Mittelwerte und SD: zwei Dezimalstellen
- Prozentwerte: eine Dezimalstelle, ohne führende Null vor dem Dezimalpunkt
Freiheitsgrade
Freiheitsgrade stehen in runden Klammern direkt nach dem Statistiksymbol: t(58), F(2, 87), χ²(3). Bei der ANOVA werden Zähler- und Nenner-Freiheitsgrade durch ein Komma getrennt angegeben.
Eine vollständige Übersicht der gängigen statistischen Abkürzungen und Symbole hilft dabei, die Schreibweise im gesamten Ergebnisteil konsistent zu halten.
Dezimaltrennzeichen
Im englischsprachigen APA-Format ist der Punkt das Dezimaltrennzeichen. Wenn Ihre Hochschule oder Ihr Fach deutschsprachige Formatvorgaben macht, kann das Komma vorgeschrieben sein. Prüfen Sie das vorab – und halten Sie die Schreibweise im gesamten Dokument einheitlich.
Häufige Fehler beim Aufschreiben von Ergebnissen
Aus der Praxis der Abschlussarbeitsbetreuung lassen sich einige Fehler benennen, die immer wieder auftauchen. Die gute Nachricht: Sie sind leicht zu vermeiden, wenn man sie kennt.
Fehler 1: Interpretation im Ergebnisteil
Der Ergebnisteil berichtet – er bewertet nicht. Formulierungen wie „interessanterweise zeigte sich…“, „wie erwartet…“ oder „dieses Ergebnis bestätigt die Theorie von…“ gehören nicht in den Ergebnisteil, sondern in die Diskussion. Wie eine gelungene Interpretation formuliert wird, ist eine eigene Frage – die im Ergebnisteil aber noch keine Rolle spielt.
Fehler 2: Nur den p-Wert berichten
„Die Hypothese wurde signifikant bestätigt (p = .03).“ – Diese Formulierung ist unvollständig. Ohne Teststatistik, Freiheitsgrade und Effektgröße ist das Ergebnis weder nachvollziehbar noch replizierbar. Ob ein p-Wert wie p = .01 als signifikant gilt, hängt zudem vom gewählten Signifikanzniveau ab.
Fehler 3: Fehlende deskriptive Statistiken
Inferenzstatistische Ergebnisse ohne deskriptive Grundlage wirken im Ergebnisteil wie ein Haus ohne Fundament. Mittelwerte, Standardabweichungen und Stichprobengrößen schaffen den Kontext, in dem Testergebnisse erst verständlich werden.
Fehler 4: Inkonsistente Darstellung
Einmal Komma, einmal Punkt als Dezimaltrennzeichen. Einmal kursiv, einmal nicht. Mal zwei, mal drei Dezimalstellen. Solche Inkonsistenzen fallen Betreuenden sofort auf und erwecken den Eindruck mangelnder Sorgfalt. Legen Sie sich zu Beginn auf ein Format fest und halten Sie es konsequent durch.
Fehler 5: Testergebnis ohne Bezug zur Hypothese
Ein Tabellenblock mit Statistikwerten ohne jeden erklärenden Satz ist kein Ergebnisteil – es ist eine Datendump. Jedes Testergebnis braucht mindestens einen einleitenden Satz, der die zugrundeliegende Frage oder Hypothese erinnert, und einen abschließenden Satz, der das Ergebnis in wenigen Worten benennt.
Checkliste: Vollständiger Ergebnisteil
Nutzen Sie diese Checkliste vor der Abgabe, um sicherzustellen, dass Ihr Ergebnisteil alle relevanten Bestandteile enthält.
Vor der Abgabe prüfen
- Jede Hypothese oder Forschungsfrage wird explizit aufgegriffen
- Deskriptive Statistiken (M, SD, n) sind für alle relevanten Variablen angegeben
- Teststatistik mit Freiheitsgraden ist vollständig angegeben (z.B. t(58) = 2.34)
- p-Werte sind korrekt formatiert (zwei bis drei Dezimalstellen, keine führende Null bei Werten ≤ 1)
- Effektgröße ist für jeden inferenzstatistischen Test berichtet
- Konfidenzintervalle sind angegeben (wo von der Hochschule oder dem Fach erwartet)
- Statistiksymbole sind korrekt kursiv gesetzt (M, SD, t, F, p, r, d)
- Dezimaltrennzeichen ist im gesamten Dokument einheitlich
- Keine Interpretation oder Bewertung im Ergebnisteil
- Tabellen und Abbildungen sind mit korrekter Beschriftung versehen
- Stichprobengrößen sind pro Gruppe und gesamt angegeben
Wer unsicher ist, ob der eigene Ergebnisteil alle Anforderungen erfüllt, findet in unserem Beitrag zum Formulieren von Statistik-Ergebnissen eine vertiefte Orientierung – inklusive verfahrensspezifischer Hinweise.
Für komplexere Analysen wie Regressionen, Strukturgleichungsmodelle oder multivariate Verfahren lohnt sich außerdem der Blick auf die vollständigen Leitlinien zur Interpretation statistischer Ergebnisse, da hier die Berichtspflichten deutlich umfangreicher sind als bei einfachen Gruppenvergleichen.
