Welche zwei Arten von Statistiken gibt es?
In diesem Beitrag
Die zwei Arten der Statistik im Überblick
Es gibt zwei grundlegende Arten der Statistik: die deskriptive Statistik und die Inferenzstatistik (auch schließende Statistik genannt). Diese Unterscheidung ist keine akademische Haarspalterei – sie bestimmt ganz konkret, welche Fragen Sie mit Ihren Daten beantworten können und welche nicht.
Vereinfacht gesagt: Deskriptive Statistik beschreibt, was in Ihren Daten steckt. Inferenzstatistik zieht daraus Schlüsse, die über Ihre Stichprobe hinausgehen. Beide Teilgebiete bauen aufeinander auf: Deskriptive Methoden organisieren und fassen Daten zusammen, während Inferenzstatistik auf diesen Beschreibungen aufbaut, um formale Schlussfolgerungen zu ziehen.
| Merkmal | Deskriptive Statistik | Inferenzstatistik |
|---|---|---|
| Ziel | Daten zusammenfassen und beschreiben | Schlüsse auf die Grundgesamtheit ziehen |
| Bezug | Nur die vorhandene Stichprobe | Über die Stichprobe hinaus |
| Typische Kennzahlen | Mittelwert, Standardabweichung, Häufigkeiten | p-Wert, Konfidenzintervall, Effektstärke |
| Werkzeuge | Tabellen, Grafiken, Lagemaße | t-Test, ANOVA, Regression, Chi-Quadrat-Test |
| Wahrscheinlichkeitsrechnung nötig? | Nein | Ja |
Deskriptive Statistik: Daten beschreiben und zusammenfassen
Die deskriptive Statistik ist in den meisten empirischen Arbeiten der erste Schritt. Sie liefert einen strukturierten Überblick über die erhobenen Daten – ohne dabei Aussagen zu treffen, die über den vorliegenden Datensatz hinausgehen.
Typische Kennzahlen der deskriptiven Statistik
Zu den wichtigsten Werkzeugen gehören:
- Lagemaße: Mittelwert, Median, Modus
- Streuungsmaße: Standardabweichung, Varianz, Spannweite, Interquartilsabstand
- Häufigkeitsverteilungen: absolute und relative Häufigkeiten
- Grafische Darstellungen: Histogramme, Boxplots, Balkendiagramme, Streudiagramme
Ein typisches Beispiel: Sie befragen 150 Studierende zu ihrer wöchentlichen Lernzeit. Der Mittelwert liegt bei 18 Stunden, die Standardabweichung bei 4,2 Stunden. Diese Angaben beschreiben Ihre Stichprobe – mehr nicht. Ob Studierende generell 18 Stunden lernen, lässt sich daraus noch nicht ableiten.
Mittelwert – die zentrale deskriptive Kennzahl
Wofür braucht man deskriptive Statistik?
Deskriptive Statistik dient der Datenkontrolle, der Stichprobenbeschreibung und der Vorbereitung weiterführender Analysen. In jeder empirischen Abschlussarbeit gehört eine Stichprobenbeschreibung – mit Alter, Geschlecht, Gruppengrößen etc. – zum Pflichtprogramm.
Welche Datentypen vorliegen (nominal, ordinal, metrisch), bestimmt dabei, welche deskriptiven Kennzahlen sinnvoll sind. Einen Mittelwert über eine nominale Variable zu berechnen wäre methodisch falsch.
Inferenzstatistik: Schlussfolgerungen ziehen und verallgemeinern
Die Inferenzstatistik – auch schließende oder induktive Statistik – geht einen entscheidenden Schritt weiter. Sie nutzt Wahrscheinlichkeitsrechnung, um auf Basis einer Stichprobe Aussagen über eine größere Grundgesamtheit zu treffen.
Das ist in der Forschung der eigentlich interessante Schritt: Sie haben nicht alle Studierenden Deutschlands befragt, sondern eine Stichprobe von 150. Die Inferenzstatistik erlaubt Ihnen dennoch, begründete Aussagen über die Gesamtheit zu formulieren – und anzugeben, wie sicher diese Aussagen sind.
Typische Verfahren der Inferenzstatistik
- Hypothesentests: t-Test, Mann-Whitney-U-Test, Chi-Quadrat-Test, ANOVA
- Regressionsanalysen: lineare, logistische, multiple Regression
- Konfidenzintervalle: geben an, in welchem Bereich der wahre Populationswert mit einer bestimmten Wahrscheinlichkeit liegt
- Effektstärken: Cohens d, Eta-Quadrat, Cramers V
Der p-Wert ist dabei das bekannteste – und am häufigsten missdeutete – Ergebnis inferenzstatistischer Tests. Er gibt an, wie wahrscheinlich ein beobachtetes Ergebnis (oder ein noch extremeres) wäre, wenn die Nullhypothese zutrifft. Er sagt nicht, ob ein Effekt bedeutsam oder relevant ist.
t-Test-Statistik (Zweistichproben)
Voraussetzungen der Inferenzstatistik
Inferenzstatistik funktioniert nur unter bestimmten Bedingungen. Erst ein geeignetes Studiendesign mit zufälliger Stichprobenziehung oder zufälliger Zuweisung erlaubt Generalisierungen auf Populationen oder kausale Aussagen. Wer eine Gelegenheitsstichprobe zieht, sollte das bei der Interpretation seiner Ergebnisse offen benennen.
Zu den häufigsten methodischen Voraussetzungen gehören:
- Zufällige oder repräsentative Stichprobenziehung
- Ausreichende Stichprobengröße (abhängig vom Verfahren)
- Verteilungsannahmen (z. B. Normalverteilung bei parametrischen Tests)
- Unabhängigkeit der Beobachtungen
Unterschiede und Zusammenspiel beider Arten
Deskriptive und Inferenzstatistik sind keine Konkurrenten, sondern zwei aufeinander aufbauende Phasen einer statistischen Analyse. In der Praxis folgen sie einer klaren Reihenfolge.
Erst beschreiben, dann schlussfolgern
Ohne deskriptive Statistik ist Inferenzstatistik riskant. Wer seine Daten nicht kennt – Ausreißer, fehlende Werte, schiefe Verteilungen – läuft Gefahr, falsche Tests zu wählen oder falsche Schlüsse zu ziehen. Beschreibende Methoden strukturieren und visualisieren Daten zunächst, bevor inferenzielle Methoden zur Modellierung und Entscheidungsfindung eingesetzt werden – dieses Prinzip gilt in der Ingenieurstatistik ebenso wie in den Sozialwissenschaften.
Die deskriptive Statistik ist also kein „Pflichtprogramm vor dem eigentlichen Teil“, sondern eine eigenständige analytische Phase, die inhaltlich bedeutsam ist.
Wann brauche ich welche Art?
Eine hilfreiche Faustregel:
- Sie wollen Ihre Stichprobe beschreiben (Alter, Geschlecht, Mittelwerte)? → Deskriptive Statistik
- Sie wollen testen, ob ein Unterschied zwischen Gruppen zufällig ist? → Inferenzstatistik
- Sie wollen einen Zusammenhang zwischen zwei Variablen quantifizieren? → Beides: zuerst Korrelationskoeffizient (deskriptiv), dann Signifikanztest (inferenziell)
- Sie wollen eine Variable durch andere vorhersagen? → Inferenzstatistik (Regression)
Mehr zu den Zielen der Statistik und wie diese beiden Arten dabei zusammenspielen, erläutert unser weiterführender Beitrag zu diesem Thema.
Was bedeutet das für Ihre Abschlussarbeit?
Für empirische Abschlussarbeiten – ob Bachelor-, Master- oder Dissertationsarbeit – ist die Unterscheidung zwischen deskriptiver und Inferenzstatistik von zentraler Bedeutung. Sie bestimmt den Aufbau des Ergebniskapitels, die Interpretation der Befunde und letztlich die Beantwortung Ihrer Forschungsfrage.
Typischer Aufbau des Ergebnisteils
- Stichprobenbeschreibung (deskriptiv): Zusammensetzung der Stichprobe nach soziodemografischen Merkmalen
- Deskriptive Analyse: Mittelwerte, Streuungen, Häufigkeiten der relevanten Variablen
- Voraussetzungsprüfungen: Normalverteilungstests, Varianzhomogenität etc.
- Inferenzstatistische Tests: Hypothesenprüfung mit den passenden Verfahren
- Effektstärken und Konfidenzintervalle: Einordnung der praktischen Bedeutsamkeit
Wer sich über konkrete Beispiele statistischer Daten im akademischen Kontext informieren möchte, findet dort praxisnahe Orientierung für die eigene Arbeit.
Wenn die Methodik zur Herausforderung wird
Die Wahl der richtigen Verfahren, die korrekte Durchführung und vor allem die Interpretation der Ergebnisse überfordern viele Studierende – das ist verständlich und keine Seltenheit. Gerade bei der Inferenzstatistik entscheiden Nuancen darüber, ob Schlussfolgerungen methodisch haltbar sind oder nicht.
Wer methodische Unterstützung sucht – von der Planung über die Auswertung bis zur Ergebnisinterpretation –, findet bei einer professionellen Statistik-Dienstleistung die passende Begleitung für beide Teilgebiete. Das reicht von der Beratung zur Verfahrensauswahl bis zur vollständigen Analyse mit Erläuterung der Ergebnisse.
