Standardisierung
In diesem Beitrag
Was versteht man unter Standardisierung?
Standardisierung bezeichnet die Umrechnung einer Variablen in sogenannte z-Werte (auch Standardwerte oder z-Scores). Dabei wird von jedem Messwert x der Mittelwert μ abgezogen und das Ergebnis durch die Standardabweichung σ geteilt. Die resultierende Variable hat dann einen Mittelwert von 0 und eine Standardabweichung von 1.
Formel: z-Wert
Hierbei steht x für den einzelnen Messwert, μ für den Mittelwert der Variable und σ für ihre Standardabweichung. Der z-Wert gibt an, um wie viele Standardabweichungen ein Wert vom Mittelwert abweicht – nach oben (positiv) oder nach unten (negativ).
Warum ist Standardisierung für statistische Analysen wichtig?
Standardisierung ist in der statistischen Praxis aus mehreren Gründen unverzichtbar:
- Vergleichbarkeit herstellen: Variablen mit unterschiedlichen Einheiten oder Skalen (z. B. Einkommen in Euro und Alter in Jahren) lassen sich nach der Standardisierung direkt miteinander vergleichen. Das ist besonders bei der Regressionsanalyse relevant, wenn man die relative Stärke von Prädiktoren beurteilen möchte.
- Voraussetzung für bestimmte Verfahren: Viele statistische und maschinelle Lernverfahren – etwa die Hauptkomponentenanalyse (PCA) oder k-Means-Clustering – setzen voraus oder profitieren stark davon, dass Variablen auf derselben Skala liegen.
- Interpretation von z-Werten: Ein z-Wert von +2 bedeutet, dass ein Messwert zwei Standardabweichungen über dem Durchschnitt liegt. Im Rahmen der Normalverteilung lässt sich daraus direkt ablesen, wie ungewöhnlich ein Wert ist.
Praxisbeispiel zu Standardisierung
In einer Studie zur Studienleistung werden zwei Variablen erhoben: die Lernzeit in Stunden pro Woche und der IQ-Wert der Teilnehmenden. Beide Variablen sollen in einer multiplen Regressionsanalyse als Prädiktoren eingesetzt werden.
| Person | Lernzeit (h/Woche) | IQ | z-Wert Lernzeit | z-Wert IQ |
|---|---|---|---|---|
| Anna | 20 | 115 | +1,33 | +1,00 |
| Ben | 10 | 95 | −0,67 | −0,33 |
| Mittelwert | 15 | 110 | 0 | 0 |
| Standardabweichung | 7,5 | 15 | 1 | 1 |
Annas z-Wert für die Lernzeit berechnet sich beispielsweise so: . Das bedeutet: Sie lernt 1,33 Standardabweichungen mehr als der Durchschnitt. Nach der Standardisierung sind beide Variablen auf derselben Skala, und die Regressionskoeffizienten lassen sich direkt in ihrer Stärke vergleichen – unabhängig davon, dass Lernzeit in Stunden und IQ in Punkten gemessen wurde.
