Reproduzierbarkeit

Was versteht man unter Reproduzierbarkeit?

Reproduzierbarkeit bezeichnet die Eigenschaft einer wissenschaftlichen Analyse, bei der andere Forschende – gegeben dieselben Rohdaten und dieselben Analyseschritte – zu identischen oder zumindest sehr ähnlichen Ergebnissen gelangen. Sie ist damit ein zentrales Qualitätsmerkmal empirischer Forschung und eine Grundbedingung dafür, dass wissenschaftliche Befunde als verlässlich gelten können.

In der Statistik lassen sich zwei verwandte, aber zu unterscheidende Konzepte unterscheiden:

• Reproduzierbarkeit (Reproducibility): Dieselben Daten, dieselbe Methode, dieselbe Analysesoftware – und das Ergebnis lässt sich exakt nachvollziehen.
• Replizierbarkeit (Replicability): Eine neue, unabhängig erhobene Stichprobe wird mit derselben Methode analysiert – und führt zu vergleichbaren Schlussfolgerungen.

Reproduzierbarkeit ist damit die engere, technische Variante: Sie prüft, ob die Analyse selbst nachvollziehbar dokumentiert ist, nicht ob das Forschungsergebnis in einem neuen Datensatz erneut auftritt.

Warum ist Reproduzierbarkeit für statistische Analysen wichtig?

Reproduzierbarkeit ist kein bürokratisches Qualitätsmerkmal, sondern ein echtes Schutzschild gegen Fehler und Missverständnisse. In der Praxis zeigen sich mehrere konkrete Vorteile:

• Fehlerkorrektur: Wenn eine Analyse vollständig dokumentiert und reproduzierbar ist, können Fehler – etwa in der Datenbereinigung oder bei der Modellspezifikation – nachträglich erkannt und korrigiert werden.
• Transparenz: Gutachtende, Betreuende oder andere Forschende können die Analyseschritte nachvollziehen, ohne auf den Originalautor angewiesen zu sein.
• Kumulativer Erkenntnisgewinn: Wissenschaft baut auf vorherigen Ergebnissen auf. Das gelingt nur, wenn die Grundlage dieser Ergebnisse überprüfbar ist.

Besonders relevant ist das Thema vor dem Hintergrund der sogenannten Replikationskrise, die ab etwa 2010 in der Psychologie, Medizin und den Sozialwissenschaften diskutiert wurde. Viele veröffentlichte Studien ließen sich weder reproduzieren noch replizieren – oft weil Daten, Analysecode und genaue Vorgehensweisen nicht dokumentiert worden waren.

Praxisbeispiel zu Reproduzierbarkeit

Eine Studierende schreibt ihre Masterarbeit über den Zusammenhang zwischen Schlafdauer und Prüfungsleistung. Sie erhebt Daten bei 120 Studierenden und wertet sie in SPSS aus. In ihrer Arbeit beschreibt sie die Ergebnisse, vergisst aber, die genauen Filterbedingungen bei der Datenbereinigung zu dokumentieren: Zwei Ausreißer wurden manuell entfernt, ohne dass dies im Methodenteil erwähnt wird.

Ihre Betreuerin möchte die Analyse nachvollziehen und erhält den Rohdatensatz. Da die Bereinigungsschritte fehlen, kommt sie auf abweichende Ergebnisse – die Analyse ist nicht reproduzierbar.

Hätte die Studierende ein R-Skript verwendet, alle Bereinigungsschritte darin festgehalten und die Datei gemeinsam mit dem Datensatz geteilt, wäre die Analyse vollständig reproduzierbar – und ihre Ergebnisse für andere Forschende nachprüfbar und weiterverwendbar.