Streuungsmaße
In diesem Beitrag
Was versteht man unter Streuungsmaßen?
Streuungsmaße sind statistische Kennzahlen, die beschreiben, wie stark die einzelnen Werte einer Datenmenge um einen zentralen Wert – meist den Mittelwert oder Median – herum variieren. Sie ergänzen Lagemaße wie den Mittelwert, indem sie nicht das „Wo“, sondern das „Wie weit auseinander“ einer Verteilung beschreiben.
Die wichtigsten Streuungsmaße im Überblick:
- Spannweite (Range): Differenz zwischen dem größten und dem kleinsten Wert. Einfach zu berechnen, aber sehr anfällig für Ausreißer.
- Interquartilsabstand (IQR): Differenz zwischen dem 75. und dem 25. Perzentil (Q3 − Q1). Robuster als die Spannweite, da er den mittleren 50 % der Daten beschreibt.
- Varianz (): Der durchschnittliche quadratische Abstand aller Werte vom Mittelwert. Durch die Quadrierung werden negative Abweichungen aufgehoben.
- Standardabweichung (): Die Wurzel aus der Varianz. Sie hat dieselbe Einheit wie die Ausgangsdaten und ist daher besonders gut interpretierbar.
- Variationskoeffizient (CV): Das Verhältnis von Standardabweichung zu Mittelwert, oft in Prozent angegeben. Ermöglicht den Vergleich der relativen Streuung zwischen verschiedenen Datensätzen.
Die Formel für die Stichprobenvarianz lautet:
Stichprobenvarianz
Die Standardabweichung ergibt sich daraus als:
Standardabweichung
Warum sind Streuungsmaße für statistische Analysen wichtig?
Ein Mittelwert allein kann täuschen. Zwei Datensätze können denselben Mittelwert haben, sich aber grundlegend in ihrer Verteilung unterscheiden. Streuungsmaße machen diese Unterschiede sichtbar und sind daher ein unverzichtbarer Bestandteil jeder deskriptiven Statistik.
In der Praxis spielen Streuungsmaße unter anderem eine Rolle bei:
- Hypothesentests: Viele Tests wie der t-Test setzen voraus, dass die Varianz bekannt oder schätzbar ist.
- Vergleichen zwischen Gruppen: Unterscheiden sich zwei Gruppen nicht nur im Mittel, sondern auch in ihrer Streuung? Das kann auf unterschiedliche Phänomene hinweisen.
- Qualitätskontrolle und Reproduzierbarkeit: Geringe Streuung signalisiert Konsistenz und Zuverlässigkeit von Messungen.
- Effektgröße: Maße wie Cohens d setzen die mittlere Differenz zweier Gruppen ins Verhältnis zur Standardabweichung.
Praxisbeispiel zu Streuungsmaßen
Eine Psychologiestudierende untersucht die Prüfungsangst in zwei Seminargruppen. Beide Gruppen erzielen auf einer Skala von 0 bis 100 einen Mittelwert von 52 Punkten. Auf den ersten Blick scheinen die Gruppen identisch. Ein Blick auf die Streuungsmaße zeigt jedoch ein anderes Bild:
| Kennzahl | Gruppe A | Gruppe B |
|---|---|---|
| Mittelwert (M) | 52 | 52 |
| Standardabweichung (SD) | 4,1 | 18,6 |
| Minimum | 44 | 12 |
| Maximum | 60 | 95 |
| Interquartilsabstand (IQR) | 6 | 29 |
Gruppe A ist sehr homogen: Die meisten Studierenden empfinden ähnlich starke Prüfungsangst. Gruppe B hingegen ist stark heterogen – manche Studierende haben kaum Angst, andere sind extrem belastet. Ohne Streuungsmaße würde dieser wesentliche Unterschied vollständig verborgen bleiben.
In der Ergebnisdarstellung einer Abschlussarbeit würde man diesen Befund typischerweise so berichten: „Beide Gruppen zeigten einen vergleichbaren mittleren Angstscore (M = 52). Die Standardabweichung unterschied sich jedoch erheblich (SDA = 4,1 vs. SDB = 18,6), was auf eine deutlich größere Heterogenität in Gruppe B hindeutet.“
