Welch-Test
In diesem Beitrag
Was versteht man unter dem Welch-Test?
Der Welch-Test ist eine statistische Methode zum Vergleich der Mittelwerte zweier unabhängiger Gruppen. Er ist eine Erweiterung des klassischen Zwei-Stichproben-t-Tests und wurde 1947 von Bernard Lewis Welch entwickelt. Der entscheidende Unterschied: Der Welch-Test setzt keine gleichen Varianzen (Varianzhomogenität) in den beiden Gruppen voraus.
Beim klassischen t-Test für unabhängige Stichproben wird angenommen, dass beide Gruppen dieselbe Streuung aufweisen – das ist die sogenannte Homoskedastizitätsannahme. Wenn diese Annahme verletzt ist, liefert der klassische t-Test verzerrte Ergebnisse. Der Welch-Test korrigiert das, indem er die Freiheitsgrade anpasst: Er berechnet sogenannte approximierte Freiheitsgrade, die von den Varianzen und Stichprobengrößen beider Gruppen abhängen.
Teststatistik des Welch-Tests
Dabei steht für den Mittelwert, für die Stichprobenvarianz und für den Stichprobenumfang der jeweiligen Gruppe. Die Freiheitsgrade werden nach der Welch-Satterthwaite-Formel approximiert und sind in der Regel nicht ganzzahlig.
Warum ist der Welch-Test für statistische Analysen wichtig?
In der Praxis sind gleiche Varianzen in zwei Gruppen eher die Ausnahme als die Regel. Deshalb gilt der Welch-Test heute in vielen Fachbereichen als die bevorzugte Standardmethode für den Mittelwertvergleich zweier unabhängiger Gruppen – er ist robuster und vielseitiger als der klassische t-Test.
Konkret ist der Welch-Test in folgenden Situationen besonders wichtig:
- Die Stichprobengrößen der beiden Gruppen sind unterschiedlich groß (unbalanciertes Design).
- Die Streuungen der Gruppen unterscheiden sich sichtbar oder ein Levene-Test zeigt Varianzheterogenität an.
- Man möchte auf der sicheren Seite sein, ohne vorab eine Annahme über die Varianzen treffen zu müssen.
t.test(). Praxisbeispiel zum Welch-Test
Eine Bildungsforscherin möchte wissen, ob zwei unterschiedliche Lernmethoden (Methode A und Methode B) zu verschiedenen Testergebnissen führen. Sie hat 30 Studierende zufällig auf zwei Gruppen aufgeteilt und nach vier Wochen einen Test durchgeführt.
| Gruppe | n | Mittelwert | Standardabweichung |
|---|---|---|---|
| Methode A | 15 | 72,4 Punkte | 4,2 Punkte |
| Methode B | 15 | 68,1 Punkte | 11,7 Punkte |
Die Standardabweichungen unterscheiden sich hier erheblich (4,2 vs. 11,7) – ein deutliches Zeichen für Varianzheterogenität. Der Levene-Test bestätigt dies: p = .008. In dieser Situation wäre der klassische t-Test ungeeignet. Die Forscherin verwendet daher den Welch-Test.
Das Ergebnis: t(17,3) = 1,41, p = .175. Da der p-Wert über dem üblichen Signifikanzniveau von α = .05 liegt, gibt es keinen statistisch signifikanten Unterschied zwischen den beiden Lernmethoden. Zu beachten ist, dass die Freiheitsgrade (17,3) kein ganzzahliger Wert sind – das ist typisch für den Welch-Test und kein Fehler.
Hätte die Forscherin stattdessen den klassischen t-Test verwendet, wäre der Unterschied in der Streuung ignoriert worden – mit dem Risiko eines falsch interpretierten Ergebnisses.
