Wie stellt man Regressionsergebnisse im Text dar?

Was gehört in die Textdarstellung von Regressionsergebnissen?

Regressionsergebnisse im Text darzustellen bedeutet nicht, den gesamten Softwareoutput abzutippen. Der Fließtext soll die wichtigsten Befunde hervorheben, einordnen und interpretieren – die vollständige Zahlentabelle übernimmt diese Aufgabe separat.

Konkret gehören in den Text folgende Informationen:

• Modellgüte: R², korrigiertes R² und ggf. F-Statistik mit Signifikanz
• Richtung und Größe der Koeffizienten: Unstandardisiert (B) oder standardisiert (β), je nach Erkenntnisinteresse
• Standardfehler oder Konfidenzintervalle zur Quantifizierung der Unsicherheit
• Signifikanzangaben mit p-Wert
• Inhaltliche Interpretation: Was bedeutet der Befund für Ihre Fragestellung?

Eine allgemeine Orientierung für die Verschriftlichung statistischer Ergebnisse bietet die Seite zur Interpretation und Verschriftlichung statistischer Ergebnisse, auf der verschiedene Verfahren systematisch behandelt werden.

Die wichtigsten Kennzahlen im Überblick

Bevor Sie formulieren, sollten Sie wissen, welche Kennzahlen überhaupt berichtet werden müssen. Die folgende Tabelle gibt einen strukturierten Überblick über die gängigsten Größen.

Unstandardisiert oder standardisiert – was nehmen Sie?

Das hängt von Ihrem Erkenntnisinteresse ab. Unstandardisierte Koeffizienten (B) sind inhaltlich interpretierbar: Ein Wert von B = 0.42 bedeutet, dass die abhängige Variable um 0.42 Einheiten steigt, wenn der Prädiktor um eine Einheit zunimmt – vorausgesetzt, alle anderen Prädiktoren bleiben konstant.

Standardisierte Koeffizienten (β) eignen sich dagegen zum Vergleich verschiedener Prädiktoren innerhalb desselben Modells, weil sie Skalen-unabhängig sind. In psychologischen und sozialwissenschaftlichen Abschlussarbeiten werden häufig beide Varianten berichtet.

So formulieren Sie Regressionsergebnisse im Fließtext

Eine gute Textformulierung besteht aus drei Elementen: dem statistischen Befund, dem Konfidenzintervall als Unsicherheitsangabe und einer kurzen inhaltlichen Einordnung. Das klingt nach viel, lässt sich aber in ein bis zwei Sätzen unterbringen.

Grundstruktur einer Textformulierung

Bewährt hat sich folgendes Muster:

[Prädiktor] sagte [Kriterium] signifikant vorher, B = [Wert], SE = [Wert], 95%-KI [untere Grenze, obere Grenze], β = [Wert], p = [Wert]. [Richtung und inhaltliche Einordnung.]

Dabei gilt: Enthält ein 95%-Konfidenzintervall den Wert null, ist der Koeffizient bei einem Signifikanzniveau von α = .05 nicht signifikant – das Intervall zeigt gleichzeitig, wie stark der geschätzte Populationswert variieren könnte. Diese Information gehört in den Text, nicht nur in die Tabelle.

Konkrete Formulierungsbeispiele

Für einen signifikanten Prädiktor:

Lernzeit sagte Klausurerfolg statistisch signifikant vorher, B = 0.42, SE = 0.11, 95%-KI [0.21, 0.63], β = .38, p = .001. Mit jeder zusätzlichen Stunde wöchentlicher Lernzeit stieg die Klausurnote durchschnittlich um 0.42 Punkte.

Für einen nicht-signifikanten Prädiktor:

Schlafdauer sagte Klausurerfolg nicht signifikant vorher, B = 0.08, SE = 0.12, 95%-KI [–0.15, 0.31], β = .07, p = .486. Ein Zusammenhang zwischen Schlafdauer und Klausurerfolg konnte in dieser Stichprobe nicht nachgewiesen werden.

Wie man nicht-signifikante Ergebnisse sachlich und korrekt beschreibt, ohne sie zu bagatellisieren oder falsch zu interpretieren, ist übrigens ein häufig unterschätzter Aspekt des Ergebnisteils.

Modellgüte berichten

Vor den einzelnen Prädiktoren steht üblicherweise die Beschreibung des Gesamtmodells. Typisch ist folgendes Muster:

Das Regressionsmodell war statistisch signifikant, F(2, 147) = 18.34, p < .001. Die Prädiktoren klärten insgesamt 20 % der Varianz in der Kriteriumsvariablen auf (R² = .20, R²_adj = .19).

Im Text muss die vollständige Modellgleichung nur dann explizit genannt werden, wenn das Modell für Vorhersagezwecke genutzt wird – also wenn Dritte auf Basis Ihrer Koeffizienten eigene Berechnungen anstellen sollen.

Tabelle und Text: Was gehört wohin?

Eine häufige Unsicherheit beim Verfassen des Ergebnisteils: Muss ich alle Zahlen aus der Tabelle auch im Text wiederholen? Die Antwort ist nein – und das ist wichtig.

Der Fließtext soll die zentralen Befunde hervorheben: Welche Prädiktoren sind signifikant? Wie groß ist der Effekt? Wie gut erklärt das Modell die Varianz? Die Tabelle liefert dazu die vollständige Zahlengrundlage.

Laut offiziellen APA-Empfehlungen gilt: Regressionstabellen enthalten typischerweise Prädiktoren, Koeffizienten, Standardfehler, Konfidenzintervalle und Signifikanzangaben – der Fließtext greift daraus gezielt die wichtigsten Prädiktoren mit Richtung und Effektgröße heraus, ohne alle Werte redundant zu wiederholen.

Was eine APA-konforme Regressionstabelle enthält

Eine typische Regressionstabelle enthält mindestens folgende Spalten: Prädiktor, B (mit SE in Klammern oder eigener Spalte), 95%-KI und p-Wert. Wie man solche Tabellen formal korrekt anlegt, erklärt der Beitrag zu APA-konformen Tabellen ausführlich.

Typische Fehler bei der Darstellung

In der Praxis begegnen dieselben Fehler immer wieder. Hier sind die häufigsten – und wie Sie sie vermeiden.

• Kein Konfidenzintervall: p-Werte allein beschreiben nicht, wie groß der Effekt ist oder wie unsicher die Schätzung ist. Konfidenzintervalle sind in den meisten aktuellen Richtlinien Pflicht.
• Interzept inhaltlich überinterpretiert: Der Interzept (Konstante) hat oft keine substantielle inhaltliche Bedeutung – insbesondere wenn null kein sinnvoller Wert auf der Prädiktorskala ist. Er muss berichtet, aber nicht zwingend inhaltlich gedeutet werden.
• Outputtabelle wörtlich übertragen: Wer einfach alle Zahlen aus SPSS oder R in den Text kopiert, erzeugt keinen Ergebnisteil – sondern ein unlesbares Zahlendiktat. Selektion und Interpretation sind Pflicht.
• Verwechslung von B und β: Unstandardisierte und standardisierte Koeffizienten haben unterschiedliche Bedeutungen. Wer schreibt „der Koeffizient beträgt 0.42″, sollte klar angeben, ob es sich um B oder β handelt.
• Signifikanz mit Bedeutsamkeit gleichgesetzt: Ein p-Wert unter .05 sagt nichts über die praktische Relevanz des Effekts. Gerade bei großen Stichproben können trivial kleine Effekte signifikant werden.

Wer sich fragt, wie die Abkürzungen B, β, SE, KI, p und R² korrekt im Text gesetzt werden, findet eine hilfreiche Übersicht im Beitrag zu statistischen Abkürzungen und ihrer Schreibweise.

Vollständiges Beispiel: Einfache lineare Regression

Das folgende Beispiel zeigt, wie ein vollständiger Ergebnisabschnitt für eine einfache lineare Regression aussehen kann. Die Fragestellung lautet: Sagt die wöchentliche Lernzeit (in Stunden) den Klausurerfolg (Punkte von 0–100) vorher?

Beschreibung des Gesamtmodells

Es wurde eine einfache lineare Regressionsanalyse durchgeführt, um den Einfluss der wöchentlichen Lernzeit auf den Klausurerfolg zu untersuchen. Das Modell war statistisch signifikant, F(1, 98) = 24.17, p < .001, und erklärte 20 % der Varianz im Klausurerfolg (R² = .20).

Beschreibung des Prädiktors

Lernzeit sagte den Klausurerfolg statistisch signifikant vorher, B = 2.14, SE = 0.44, 95%-KI [1.28, 3.00], β = .45, p < .001. Mit jeder zusätzlichen Stunde wöchentlicher Lernzeit stieg die Klausurzahl im Mittel um 2.14 Punkte.

Beachten Sie: Der Satz endet mit einer inhaltlichen Einordnung in Originaleinheiten. Das ist der entscheidende Unterschied zwischen einer bloßen Zahlenauflistung und einer echten Ergebnisdarstellung.

Mehrfachregression und komplexere Modelle

Bei der Mehrfachregression gelten dieselben Grundprinzipien – aber es kommen einige Besonderheiten hinzu.

Reihenfolge der Prädiktoren

Im Text werden üblicherweise zuerst das Gesamtmodell (F, R², p) und danach die einzelnen Prädiktoren beschrieben. Beginnen Sie mit den theoretisch zentralen oder signifikanten Prädiktoren, gefolgt von nicht-signifikanten. Verlieren Sie sich nicht in der Beschreibung jedes einzelnen Kontrollprädiktors – wählen Sie aus, was für Ihre Fragestellung relevant ist.

Modellvergleiche berichten

Wenn Sie mehrere Modelle schrittweise aufbauen (hierarchische Regression), beschreiben Sie den Zuwachs an erklärter Varianz (ΔR²) und dessen Signifikanz (ΔF) beim Hinzufügen eines Prädiktorsatzes. Beispiel:

Die Aufnahme von Motivation als Prädiktor in Modell 2 führte zu einem signifikanten Zuwachs an erklärter Varianz, ΔR² = .08, ΔF(1, 96) = 11.24, p = .001.

Logistische Regression

Bei der logistischen Regression gelten leicht abweichende Konventionen: Statt B werden häufig Odds Ratios (OR) mit Konfidenzintervallen berichtet, statt R² wird ein Pseudo-R² (z. B. Nagelkerkes R²) angegeben. Das Grundprinzip – Koeffizient, Unsicherheit, Signifikanz, Interpretation – bleibt aber dasselbe.

Einen umfassenden Überblick darüber, wie man Statistik-Ergebnisse systematisch formuliert und welche Konventionen für verschiedene Verfahren gelten, finden Sie in unserem ausführlichen Leitfaden.

Prüfen, ob das Modell verallgemeinerbar ist

Gerade bei kleineren Stichproben lohnt sich ein Blick auf die Grenzen der Übertragbarkeit. In der wissenschaftlichen Methodenliteratur wird empfohlen, im Diskussionsteil explizit auf mögliches Overfitting, fehlende Repräsentativität oder eingeschränkte Generalisierbarkeit hinzuweisen. Wie Sie das sprachlich angemessen umsetzen, beschreibt der Beitrag zum Diskussionsteil statistischer Ergebnisse.

Für den Ergebnisteil selbst gilt: Die Darstellung muss so vollständig sein, dass Dritte das Modell nachvollziehen und ggf. replizieren können. Das schließt laut gängiger Berichtspraxis Koeffizienten, Standardfehler, Konfidenzintervalle und Stichprobenangaben ein – nicht als Formalität, sondern als Grundlage für wissenschaftliche Transparenz.