Z-Standardisierung
In diesem Beitrag
Was versteht man unter Z-Standardisierung?
Die Z-Standardisierung (auch Z-Transformation oder Standardisierung genannt) ist ein Verfahren, mit dem Messwerte einer Variable in sogenannte Z-Werte (oder Z-Scores) umgerechnet werden. Dabei wird jeder Rohwert so transformiert, dass die resultierende Variable einen Mittelwert von 0 und eine Standardabweichung von 1 besitzt.
Die Formel lautet:
Formel: Z-Standardisierung
Dabei steht für den einzelnen Rohwert, für den Mittelwert der Variable und für die Standardabweichung. Der resultierende Z-Wert gibt an, um wie viele Standardabweichungen ein Wert vom Mittelwert der Verteilung abweicht. Ein Z-Wert von +2 bedeutet also: Dieser Wert liegt zwei Standardabweichungen oberhalb des Mittelwerts.
Warum ist Z-Standardisierung für statistische Analysen wichtig?
Die Z-Standardisierung erfüllt in der Statistik gleich mehrere wichtige Funktionen:
- 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 und gemeinsam analysieren.
- Voraussetzung für bestimmte Verfahren: Viele statistische Methoden – etwa die Berechnung von Regressionskoeffizienten, Faktorenanalysen oder Clusteranalysen – arbeiten zuverlässiger oder sind leichter interpretierbar, wenn Variablen zuvor standardisiert wurden.
- Ausreißer identifizieren: Z-Werte außerhalb des Bereichs von −3 bis +3 gelten als Hinweis auf mögliche Ausreißer, da bei einer Normalverteilung fast alle Werte in diesem Bereich liegen.
- Normalverteilung und Wahrscheinlichkeiten: Bei normalverteilten Variablen ermöglicht der Z-Wert die direkte Nutzung der Standardnormalverteilung, um Wahrscheinlichkeiten und Perzentile nachzuschlagen.
Praxisbeispiel zu Z-Standardisierung
In einer Studie werden die Variablen Körpergröße (in cm) und Wochenstunden Sport untersucht. Da beide Variablen völlig unterschiedliche Skalen haben, sollen sie vor einer Regressionsanalyse standardisiert werden.
| Person | Größe (cm) | Z-Wert Größe | Sport (h/Woche) | Z-Wert Sport |
|---|---|---|---|---|
| A | 165 | −1,00 | 2 | −1,00 |
| B | 175 | 0,00 | 5 | 0,00 |
| C | 185 | +1,00 | 8 | +1,00 |
In diesem Beispiel liegt der Mittelwert der Größe bei 175 cm mit einer Standardabweichung von 10 cm. Person A ist also genau eine Standardabweichung kleiner als der Durchschnitt – ihr Z-Wert beträgt −1,00. Dasselbe gilt für die Sportvariable mit einem Mittelwert von 5 Stunden und einer Standardabweichung von 3 Stunden. Nach der Transformation sind beide Variablen direkt vergleichbar und können gemeinsam in der weiteren Analyse verwendet werden.
