Welche typischen Fehler finden Statistik-Lektoren in Abschlussarbeiten?

Wie verbreitet sind statistische Fehler wirklich?

Statistikfehler in Abschlussarbeiten sind kein Randphänomen. Eine Analyse von 55 empirischen Manuskripten ergab, dass in 87 % der Einreichungen mindestens ein statistischer Fehler nachweisbar war – und das in publizierten oder zur Publikation eingereichten Arbeiten, also keineswegs in Erstversuchen. Für Abschlussarbeiten, die unter Zeitdruck und oft ohne intensive Methodenbegleitung entstehen, dürfte der Anteil kaum geringer sein.

Das ist keine Frage mangelnder Intelligenz oder fehlenden Fleißes. Statistik ist ein Handwerk mit eigenen Fachlogiken, und viele Fehler entstehen nicht aus Gleichgültigkeit, sondern aus verbreiteten Missverständnissen – über p-Werte, Voraussetzungsprüfungen, Skalenniveaus und die Grenzen des eigenen Designs. Die gute Nachricht: Diese Fehler lassen sich identifizieren, und wer sie kennt, kann ihnen gezielt vorbeugen.

Im Folgenden finden Sie die Fehlertypen, die erfahrene Statistik-Lektoren immer wieder antreffen – gegliedert nach Fehlerfeldern, von der Datenbeschreibung bis zur Schlussfolgerung.

Fehler in der deskriptiven Statistik

Die deskriptive Statistik wirkt auf den ersten Blick unkompliziert – und genau deshalb schleichen sich hier viele Fehler ein, die Gutachtende sofort auffallen.

Mittelwert bei nicht normalverteilten Daten

Ein klassisches Problem: Studierende berichten Mittelwert und Standardabweichung, ohne zu prüfen, ob die Verteilung das überhaupt rechtfertigt. Bei schiefen Verteilungen, Ordinaldaten oder sehr kleinen Stichproben sind Median und Interquartilsabstand die korrekte Wahl. Wer trotzdem den Mittelwert berichtet, täuscht eine Präzision vor, die die Daten nicht hergeben.

Standardfehler statt Streuungsmaß

Ebenfalls häufig: die Verwechslung von Standardfehler (SE) und Standardabweichung (SD). Der Standardfehler beschreibt die Unsicherheit eines geschätzten Mittelwerts, nicht die Streuung der Daten. Wer SE als Streuungsmaß in einer Tabelle ausweist, unterschätzt die tatsächliche Variabilität in der Stichprobe – und macht die deskriptive Darstellung irreführend.

Fehlende oder inkonsistente Kennwertangaben

Lektoren achten auch auf Vollständigkeit: Werden alle relevanten Kennwerte berichtet? Stimmen die Angaben in Text, Tabelle und Abbildung überein? Inkonsistente Zahlen – etwa ein anderer Mittelwert im Fließtext als in der zugehörigen Tabelle – sind ein häufiges Lektoratsfundstück.

Falsche Testwahl und verletzte Voraussetzungen

Die Wahl des richtigen statistischen Tests ist eine der häufigsten Fehlerquellen – und eine der folgenreichsten, weil ein falsch gewähltes Verfahren die gesamte Ergebnisdarstellung in Frage stellt.

Parametrische Tests ohne Voraussetzungsprüfung

t-Tests, ANOVAs und Pearson-Korrelationen setzen bestimmte Bedingungen voraus: annähernde Normalverteilung, ausreichende Stichprobengröße, Varianzhomogenität. In der Praxis werden diese Voraussetzungen oft gar nicht geprüft oder – was fast schlimmer ist – geprüft, aber bei Verletzung trotzdem ignoriert. Statistik-Lektoren prüfen systematisch, ob die gewählten Tests zu den vorliegenden Daten passen.

Falsche Tests bei drei oder mehr Gruppen

Ein besonders häufiger Fehler ist der Einsatz von t-Tests für Vergleiche zwischen drei oder mehr Gruppen. Die korrekte Wahl wäre eine ANOVA, gefolgt von Post-hoc-Tests. Wer stattdessen mehrere paarweise t-Tests rechnet, erhöht die Wahrscheinlichkeit falsch-positiver Befunde erheblich – dazu mehr im Abschnitt zu multiplen Tests.

Ungeeignete Tests für das Skalenniveau

Ordinaldaten, wie typische Likert-Items, verlangen non-parametrische Verfahren, wenn keine hinreichende Normalverteilung vorliegt. Pearson-Korrelationen setzen metrische Daten voraus – für ordinale Zusammenhänge ist Spearman die richtige Wahl. Diese Verwechslungen sind im statistischen Lektorat Routine.

Fehler bei p-Werten und statistischer Signifikanz

Kaum ein Thema beschäftigt die Methodenliteratur so intensiv wie die Fehlinterpretation von p-Werten. Ein hochzitierter Überblicksartikel listet 25 verbreitete Fehlinterpretationen statistischer Kennzahlen auf – von der Verwechslung von Signifikanz und Bedeutsamkeit bis hin zu falschen Schlüssen aus nicht signifikanten Ergebnissen.

Was der p-Wert bedeutet – und was nicht

Der p-Wert gibt an, wie wahrscheinlich ein mindestens so extremes Ergebnis unter der Annahme der Nullhypothese wäre. Er sagt weder etwas über die Wahrscheinlichkeit der Nullhypothese aus, noch darüber, ob ein Effekt praxisrelevant ist. Trotzdem findet sich in Abschlussarbeiten regelmäßig die Formulierung „Die Nullhypothese ist mit p = .03 widerlegt“ – was schlicht falsch ist.

Statistische Signifikanz ≠ praktische Bedeutsamkeit

Ein hochsignifikantes Ergebnis bei großer Stichprobe kann einem minimalen, praktisch irrelevanten Effekt entsprechen. Ohne Angabe einer Effektstärke – Cohens d, η², r – bleibt die Aussagekraft einer Signifikanzangabe unvollständig. Effektstärken gehören heute zu den Mindestanforderungen einer seriösen Ergebnisdarstellung.

Fehlende oder falsch formatierte p-Wert-Angaben

Auch formale Fehler sind häufig: p-Werte werden als „p = 0,000″ angegeben statt als „p < .001″, oder es fehlt das exakte Ergebnis ganz. Manche Arbeiten nennen nur „signifikant“ ohne jeden Zahlenwert. Beides gilt in der Begutachtung als mangelhaft.

Fehler beim Gruppenvergleich und zirkuläre Analysen

Der „indirekter Gruppenvergleich“-Fehler

Einer der methodisch folgenreichsten Fehler ist konzeptuell einfach zu beschreiben, aber in der Praxis schwer zu vermeiden. Er entsteht, wenn Gruppen nicht direkt miteinander verglichen werden, sondern indirekt über getrennte Signifikanztests. Ein signifikanter Vorher-nachher-Effekt in Gruppe A und kein signifikanter Effekt in Gruppe B belegt noch keinen signifikanten Unterschied zwischen A und B – auch dann nicht, wenn der eine Wert p = .04 und der andere p = .06 ergibt. Ein direkter Interaktionstest oder Gruppenvergleich ist methodisch zwingend erforderlich.

Statistik-Lektoren suchen gezielt nach solchen indirekten Vergleichen, weil sie in der Ergebnisinterpretation regelmäßig zu falschen Schlüssen führen.

Zirkuläre Analysen (Double Dipping)

Ein weiteres ernstes Problem ist die sogenannte zirkuläre Analyse: Werden dieselben Daten zunächst zur Auswahl von Variablen, Subgruppen oder Analysebereichen genutzt und anschließend zur Inferenz über genau diese Auswahl, sind die resultierenden Ergebnisse verzerrt. Der Schein eines Effekts entsteht durch die Datenselektion selbst – nicht durch einen echten Unterschied. Wer die Auswahl im Nachhinein trifft, weil das Ergebnis günstig aussah, läuft Gefahr, einen statistischen Fehlschluss zu produzieren.

Mehr zu solchen Verzerrungsmechanismen finden Sie im Beitrag zu typischen statistischen Fehlschlüssen.

Überinterpretation und fehlerhafte Schlussfolgerungen

Selbst wenn alle Berechnungen korrekt sind, können im Interpretationsteil schwerwiegende Fehler entstehen. Diese betreffen weniger die Zahlen als die Sprache – und sind für Gutachtende oft besonders auffällig.

Kausalaussagen aus Korrelationsdaten

„Variable X beeinflusst Variable Y“ – solche Formulierungen implizieren Kausalität. Wenn das Design aber ein Querschnittsdesign ist und keine Experimentalbedingung vorliegt, ist diese Aussage nicht zulässig. Korrekte Formulierungen wie „zeigt einen Zusammenhang mit“ oder „geht einher mit“ sind hier geboten.

Überzogene Schlüsse aus Nullbefunden

Ein nicht signifikantes Ergebnis bedeutet nicht, dass kein Effekt existiert – es bedeutet nur, dass mit den vorliegenden Daten kein statistisch nachweisbarer Effekt gefunden wurde. Die Aussage „Es gibt keinen Unterschied zwischen den Gruppen“ ist daher ohne ausreichende Power methodisch nicht haltbar. Gerade bei kleinen Stichproben wird dieser Fehler regelmäßig begangen.

Selektive Berichterstattung

Werden nur die Analysen berichtet, die signifikante Ergebnisse liefern, verzerrt das das Gesamtbild. Auch nicht signifikante Befunde gehören zur vollständigen Darstellung – sowohl aus wissenschaftlichen als auch aus prüfungsrechtlichen Gründen.

Multiple Tests und fehlende Poweranalyse

Das Problem mit multiplen Tests

Wer viele Hypothesen an denselben Daten testet, erhöht die Wahrscheinlichkeit, zufällig ein signifikantes Ergebnis zu erhalten – auch wenn kein echter Effekt vorliegt. Bei einem Signifikanzniveau von α = .05 und 20 unabhängigen Tests ist rein zufällig ein signifikantes Ergebnis zu erwarten. Eine Korrektur – etwa nach Bonferroni, Holm oder Benjamini-Hochberg – ist in solchen Designs methodisch geboten. In vielen Abschlussarbeiten fehlt sie vollständig.

Dabei steht für das ursprüngliche Signifikanzniveau und für die Anzahl der durchgeführten Tests. Das korrigierte Niveau wird auf jeden Einzeltest angewendet.

Fehlende Poweranalyse

Eine der häufigsten Lücken in empirischen Abschlussarbeiten ist die fehlende oder unzureichende Poweranalyse. Viele Hochschulen sehen vor, dass die Stichprobengröße bereits in der Planungsphase methodisch begründet wird. Wer die Stichprobe nach Gelegenheit wählt – „ich habe 40 Personen bekommen“ – ohne den erwarteten Effekt und die angestrebte Power zu berücksichtigen, riskiert eine unterpowerte Studie: Sie kann reale Effekte nicht zuverlässig aufdecken, und nicht signifikante Ergebnisse sind dann kaum interpretierbar.

Ausreißer ohne Strategie

Ein weiteres Thema, das Lektoren regelmäßig beschäftigt: der Umgang mit Ausreißern. Entweder werden sie gar nicht erwähnt, oder sie werden ohne nachvollziehbares Kriterium entfernt. Eine transparente Strategie – a-priori definierte Ausreißerkriterien, Sensitivitätsanalysen mit und ohne Ausreißer – ist methodisch sauber und zeigt Gutachtenden, dass dieser Aspekt bewusst behandelt wurde.

Was prüfen Statistik-Lektoren konkret?

Ein statistisches Qualitätslektorat geht deutlich über das Lesen des Methodenteils hinaus. Erfahrene Lektoren arbeiten sich systematisch durch alle Ebenen der Auswertung – von der Datenbasis bis zur letzten Schlussfolgerung im Diskussionsteil.

Die typischen Prüfbereiche im Überblick

Dabei unterscheidet sich das statistische Lektorat grundlegend von einem sprachlichen: Während Letzteres auf Orthografie, Grammatik und Stil fokussiert, prüft das statistische Lektorat die inhaltliche und methodische Korrektheit der Auswertung. Beide Formen schließen sich nicht aus – sie ergänzen sich.

Wann lohnt sich eine externe Prüfung?

Grundsätzlich gilt: Je komplexer das Auswertungsdesign, desto mehr profitiert man von einer externen Prüfperspektive. Wer mit multiplen Regressionen, Mediationsmodellen, Strukturgleichungsmodellen oder längsschnittlichen Designs arbeitet, bewegt sich in Bereichen, in denen Fehler schwer selbst zu entdecken sind. Eine externe Kontrolle der Auswertung lohnt sich aber auch bei einfacheren Designs – nicht weil das Ergebnis zu ändern wäre, sondern weil eine zweite, unabhängige Prüfperspektive Fehler sichtbar macht, die beim Schreiben unter Zeitdruck leicht übersehen werden.

Wer seine Auswertung professionell prüfen lassen möchte, findet beim Prüfservice für statistische Auswertungen eine strukturierte Möglichkeit dafür.

Die hier aufgelisteten Fehlertypen decken sich weitgehend mit dem, was in der Methodenliteratur als besonders folgenreich gilt: Fehler in der Interpretationsebene, also dort, wo Zahlen in Sprache übersetzt werden, sind besonders schwer zu erkennen und besonders häufig. Eine gründliche Selbstprüfung vor der Abgabe ist daher kein Luxus, sondern ein methodischer Mindeststandard.