Was sind statistische Werte?
In diesem Beitrag
Was sind statistische Werte – eine Definition
Statistische Werte sind Kennzahlen, die Eigenschaften eines Datensatzes komprimiert beschreiben. Statt hunderte Einzelwerte aufzulisten, fassen sie das Wesentliche zusammen: Wo liegt die Mitte? Wie stark streuen die Daten? Wie sind die Werte verteilt?
Dabei handelt es sich nicht nur um einzelne Zahlen. Statistische Werte sind immer an den Datentyp, das Erhebungsdesign und geeignete Visualisierungen gekoppelt – ein Mittelwert allein erzählt selten die vollständige Geschichte.
In empirischen Abschlussarbeiten begegnen Ihnen statistische Werte vor allem im Ergebnisteil: Sie berichten, was Ihre Analyse ergeben hat – numerisch präzise und in einer Form, die andere Forschende nachvollziehen können. Wer diese Grundbegriffe kennt, legt das Fundament für eine überzeugende Interpretation und Verschriftlichung statistischer Ergebnisse.
Lagemaße: Mittelwert, Median und Modus
Lagemaße beschreiben, wo sich der „Schwerpunkt“ eines Datensatzes befindet. Sie geben an, welcher Wert typischerweise auftritt oder um welchen Punkt herum sich die Beobachtungen gruppieren.
Arithmetisches Mittel (Mittelwert)
Der Mittelwert ist das bekannteste Lagemaß. Er ergibt sich als Summe aller Werte geteilt durch die Anzahl der Beobachtungen:
Formel: Arithmetisches Mittel
Der Mittelwert eignet sich besonders für metrisch skalierte Daten ohne starke Ausreißer. Bei Einkommensverteilungen oder Reaktionszeiten, die oft rechtsschief sind, kann der Mittelwert ein verzerrtes Bild erzeugen – hier ist der Median die bessere Wahl.
Median
Der Median ist der Wert, der eine geordnete Reihe genau in der Mitte teilt: 50 % der Werte liegen darunter, 50 % darüber. Er ist robust gegenüber Ausreißern und daher besonders sinnvoll bei schiefen Verteilungen oder ordinalskalierten Daten.
Modus
Der Modus ist der am häufigsten vorkommende Wert in einem Datensatz. Er ist das einzige Lagemaß, das auch bei nominalskalierten Daten sinnvoll interpretierbar ist – etwa wenn Sie wissen möchten, welche Berufsgruppe in Ihrer Stichprobe am stärksten vertreten ist.
| Kennwert | Berechnung | Geeignet für | Schwäche |
|---|---|---|---|
| Mittelwert (x̄) | Summe ÷ Anzahl | Metrische Daten | Empfindlich gegenüber Ausreißern |
| Median | Mittlerer Wert (sortiert) | Ordinal- und metrische Daten, schiefe Verteilungen | Ignoriert die genaue Größe aller Werte |
| Modus | Häufigster Wert | Nominal-, Ordinal- und metrische Daten | Kann mehrfach vorkommen oder fehlen |
Streuungsmaße: Varianz, Standardabweichung und mehr
Lagemaße allein genügen nicht. Zwei Datensätze können denselben Mittelwert haben und dennoch vollkommen unterschiedlich aussehen – nämlich dann, wenn die Werte unterschiedlich stark um diesen Mittelpunkt herum verteilt sind. Streuungsmaße quantifizieren genau diese Variabilität.
Varianz und Standardabweichung
Die Varianz misst die durchschnittliche quadrierte Abweichung der einzelnen Werte vom Mittelwert. Da das Ergebnis in quadrierten Einheiten vorliegt, ist es schwer direkt zu interpretieren. Die Standardabweichung löst dieses Problem: Sie ist die Quadratwurzel der Varianz und liegt damit wieder in der ursprünglichen Maßeinheit des Datensatzes.
Formel: Stichproben-Standardabweichung
In Abschlussarbeiten wird die Standardabweichung üblicherweise zusammen mit dem Mittelwert berichtet, etwa in der Form M = 3.45, SD = 0.87. Wie Sie diese Angaben korrekt in den Fließtext integrieren, erläutert der Beitrag zum Thema Mittelwert und Standardabweichung im Text angeben.
Spannweite (Range)
Die Spannweite ist die einfachste Form der Streuungsmessung: Sie ergibt sich als Differenz zwischen dem größten und dem kleinsten Wert eines Datensatzes. Ihr Nachteil ist bekannt – ein einzelner Extremwert kann die Spannweite stark verzerren.
Interquartilsabstand (IQR)
Der Interquartilsabstand ist die Differenz zwischen dem 75. und dem 25. Perzentil. Er beschreibt, in welchem Bereich die mittleren 50 % der Daten liegen. Gegenüber der Spannweite ist er deutlich robuster, weil er die äußeren 25 % auf jeder Seite ausblendet.
Weitere statistische Kennwerte
Neben Lage- und Streuungsmaßen gibt es eine Reihe weiterer Werte, die in empirischen Arbeiten regelmäßig vorkommen.
Perzentile und Quartile
Perzentile geben an, welcher Anteil der Daten unterhalb eines bestimmten Wertes liegt. Das 25. Perzentil (Q1), der Median (Q2) und das 75. Perzentil (Q3) bilden zusammen die Grundlage für Boxplots – eine der häufigsten Visualisierungsformen in empirischen Studien.
Häufigkeiten und Prozentwerte
Bei kategorialen Daten sind absolute und relative Häufigkeiten die zentralen Kennwerte. Datensatzgröße, Prozentwerte und Häufigkeitsverteilungen ermöglichen einen schnellen Überblick über kategoriale Merkmale – und sind in vielen sozialwissenschaftlichen Arbeiten der erste Schritt der deskriptiven Analyse.
Korrelationskoeffizient
Der Korrelationskoeffizient nach Pearson (r) quantifiziert die lineare Beziehung zwischen zwei metrischen Variablen auf einer Skala von −1 bis +1. Er gehört zu den am häufigsten berichteten Kennwerten in psychologischen und sozialwissenschaftlichen Studien.
p-Wert und Effektstärken
Der p-Wert gibt an, wie wahrscheinlich das beobachtete Ergebnis (oder ein extremeres) wäre, wenn die Nullhypothese zuträfe. Wichtig: Ein niedriger p-Wert bedeutet nicht, dass ein Effekt praktisch bedeutsam ist. Deshalb sollten Effektstärken wie Cohens d, η² oder r immer ergänzend berichtet werden – sie beziffern die Größe eines Effekts, unabhängig vom Stichprobenumfang.
Welche Werte passen zu welchem Datentyp?
Die Auswahl des richtigen Kennwerts hängt entscheidend vom Skalenniveau ab. Wer einen Mittelwert für ein nominalskaliertes Merkmal berechnet, erhält eine Zahl ohne inhaltliche Bedeutung. Das klingt offensichtlich – in der Praxis passiert dieser Fehler aber häufiger als gedacht.
Kennwerte nach Skalenniveau
- Nominal: Häufigkeiten, Prozentwerte, Modus
- Ordinal: Median, IQR, Häufigkeiten, Modus
- Intervall / Verhältnis (metrisch): Mittelwert, Standardabweichung, Varianz, alle Lagemaße
Für numerische Daten empfiehlt sich die Kombination aus Mittelwert und Standardabweichung – ergänzt durch Histogramme oder Boxplots, die die Form der Verteilung zeigen. Für kategoriale Merkmale sind Balkendiagramme und Häufigkeitstabellen die Standard-Darstellungsform. Wie man eine Statistik systematisch analysiert, hängt also stets davon ab, mit welchem Datenmaterial man es zu tun hat.
Besonders bei Umfragedaten – zum Beispiel Likert-Skalen – ist die Frage des Skalenniveaus oft nicht eindeutig. Viele Forschende behandeln fünf- oder siebenstufige Likert-Items aus praktischen Gründen als metrisch und berichten Mittelwert und Standardabweichung. Das ist in vielen Fachgemeinschaften akzeptiert, sollte aber methodisch begründet werden. Wer Umfrageergebnisse auswertet, findet einen strukturierten Einstieg im Beitrag Umfrageergebnisse auswerten.
Statistische Werte in der Abschlussarbeit richtig einsetzen
Statistische Werte erfüllen in einer empirischen Arbeit eine klare Funktion: Sie belegen Ihre Aussagen quantitativ. Dabei gilt eine einfache Regel – jeder berichtete Kennwert muss interpretiert werden. Eine Tabelle voller Zahlen ohne Einordnung bringt den Lesenden keinen Mehrwert.
Deskriptive Statistik zuerst
Bevor Sie inferenzstatistische Ergebnisse (Tests, p-Werte, Konfidenzintervalle) berichten, sollten Sie Ihre Stichprobe deskriptiv beschreiben. Dazu gehören Stichprobengröße, fehlende Werte, Lagemaße und Streuungsmaße für die zentralen Variablen. Wer ausgelassene Datenpunkte nicht begründet, riskiert methodische Kritik.
Kennwerte vollständig berichten
Ein häufiger Fehler im Ergebnisteil: Es werden nur p-Werte berichtet, ohne Mittelwerte, Standardabweichungen oder Effektstärken. Vollständige Berichterstattung bedeutet, alle relevanten Kennwerte zu nennen, die für die Interpretation nötig sind. Wie das konkret aussieht – vom Testergebnis bis zur Effektstärke – zeigt der Beitrag zum Ergebnisteil schreiben.
Abkürzungen einheitlich verwenden
In der deutschsprachigen Wissenschaft haben sich bestimmte Abkürzungen für statistische Kennwerte etabliert: M für den Mittelwert, SD für die Standardabweichung, n für die Stichprobengröße. Wer unsicher ist, welche Abkürzungen in welchem Kontext verwendet werden, findet eine strukturierte Übersicht im Beitrag zu den Abkürzungen in der Statistik.
Tabellen und Visualisierungen ergänzen
Statistische Werte lassen sich im Fließtext berichten oder in Tabellen und Grafiken darstellen – je nach Anzahl und Komplexität der Ergebnisse. Gut aufbereitete Visualisierungen helfen dabei, Muster und Unterschiede auf einen Blick erkennbar zu machen. Für APA-konforme Darstellungen gibt es klare Formatierungsregeln, die in den meisten Fachbereichen verbindlich sind.
Wer nach der Berechnung und Berichterstattung der Kennwerte in die Tiefe gehen möchte, findet im Beitrag zu statistischen Ergebnissen korrekt interpretieren eine ausführliche Anleitung – von der Einordnung einzelner Kennwerte bis zur inhaltlichen Schlussfolgerung im Diskussionsteil.
