Seit 2019 im DACH-RaumSeit 2019
50+ Statistik-Experten50+ Experten
Über 1.200 Projekte1.200+ Projekte
Alle StatistikprogrammeAlle Programme
Express möglichExpress

Statistik-Glossar

Omega-Quadrat

Omega squared (ω²) · Maximilian Fuchs · 24. April 2026 · 5 Min. Lesezeit

Was versteht man unter Omega-Quadrat?

Omega-Quadrat (ω²) ist ein Effektgrößenmaß, das angibt, wie viel Varianz in einer abhängigen Variable durch einen unabhängigen Faktor erklärt wird – und zwar bezogen auf die gesamte Population, nicht nur auf die Stichprobe. Es wird vor allem im Kontext der Varianzanalyse (ANOVA) verwendet.

Die Formel für Omega-Quadrat lautet:

Formel: Omega-Quadrat

Dabei steht für die Quadratsumme des Faktors, für die Freiheitsgrade des Faktors, für den mittleren quadratischen Fehler (Mean Square Error) und für die gesamte Quadratsumme.

Einfach erklärt Stell dir vor, du untersuchst, ob verschiedene Lernmethoden die Prüfungsnoten beeinflussen. Omega-Quadrat sagt dir: Wie viel Prozent des Unterschieds in den Noten lässt sich tatsächlich auf die Lernmethode zurückführen – und zwar nicht nur in deiner Stichprobe, sondern schätzungsweise auch in der gesamten Population? Ein Wert von 0,10 würde bedeuten: Etwa 10 % der Varianz in den Noten geht auf die Lernmethode zurück.

Als grobe Orientierung für die Interpretation gelten folgende Richtwerte nach Cohen (1988):

Tabelle 1. Konventionelle Richtwerte für Omega-Quadrat
Effektgröße ω²-Wert
Klein ≈ 0,01
Mittel ≈ 0,06
Groß ≈ 0,14

Warum ist Omega-Quadrat für statistische Analysen wichtig?

Ein statistisch signifikantes Ergebnis in einer ANOVA sagt noch nichts darüber aus, wie bedeutsam der gefundene Effekt tatsächlich ist. Gerade bei großen Stichproben können selbst kleinste Unterschiede signifikant werden, obwohl sie in der Praxis kaum eine Rolle spielen. Omega-Quadrat ergänzt den p-Wert deshalb um eine wichtige Information: die praktische Relevanz des Effekts.

Gegenüber dem bekannteren Eta-Quadrat (η²) hat Omega-Quadrat einen entscheidenden Vorteil: Es korrigiert für die Stichprobengröße und liefert damit eine weniger verzerrte Schätzung des wahren Effekts in der Population. Eta-Quadrat überschätzt die Effektgröße systematisch, besonders bei kleinen Stichproben.

Häufiger Fehler Viele berichten nur Eta-Quadrat (η²), weil es von Statistiksoftware wie SPSS standardmäßig ausgegeben wird. Dabei überschätzt η² den Effekt in der Population – gerade bei kleinen Stichproben erheblich. Wer Befunde verallgemeinern möchte, sollte bevorzugt Omega-Quadrat oder das verwandte partielles Omega-Quadrat berichten.
Gut zu wissen Für mehrfaktorielle ANOVA-Designs (mit mehr als einem Faktor) existiert auch das partielle Omega-Quadrat (ω²p). Es gibt an, wie viel Varianz ein bestimmter Faktor erklärt, wenn der Einfluss der übrigen Faktoren herausgerechnet wird.

Praxisbeispiel zu Omega-Quadrat

Eine Psychologiestudentin untersucht in ihrer Bachelorarbeit, ob drei verschiedene Entspannungsmethoden (Progressive Muskelrelaxation, Atemübungen, Meditation) den Stresslevel von Studierenden unterschiedlich stark senken. Sie führt eine einfaktorielle ANOVA durch und erhält folgendes Ergebnis:

Tabelle 2. ANOVA-Ergebnisse zum Stresslevel (n = 45)
Quelle SS df MS F p
Methode (Faktor) 84,20 2 42,10 5,38 .008
Fehler (Within) 329,40 42 7,84
Gesamt 413,60 44

Mit diesen Werten berechnet sie Omega-Quadrat:

Berechnung

Das Ergebnis von ω² ≈ 0,17 liegt oberhalb des Richtwerts für einen großen Effekt. Die Studentin kann also nicht nur berichten, dass der Unterschied zwischen den Methoden statistisch signifikant ist (p = .008), sondern auch, dass er praktisch bedeutsam ist: Rund 17 % der Varianz im Stresslevel lassen sich auf die Wahl der Entspannungsmethode zurückführen.

Effektgröße ANOVA Varianzanalyse Eta-Quadrat Varianzaufklärung Inferenzstatistik Signifikanz

Ihr persönlicher Ansprechpartner

Maximilian Fuchs, M. Sc.

Teilen Sie uns mit, wie wir Ihnen helfen können.

  • Persönlicher Ansprechpartner
  • Schnelle Rückmeldung
  • Transparente Preise
  • Schutz Ihrer Daten

Fragen? Einfach anrufen!