- Der t-Test prüft, ob sich zwei Mittelwerte statistisch bedeutsam unterscheiden.
- Es gibt drei Varianten: für unabhängige Stichproben (zwei Gruppen), für verbundene Stichproben (vorher/nachher) und für eine Stichprobe (Vergleich mit einem Sollwert).
- In SPSS finden Sie alle unter Analysieren → Mittelwerte vergleichen.
- Berichten Sie neben t, Freiheitsgraden und p immer auch die Effektstärke (Cohens d).
Wann verwenden Sie einen t-Test?
Ein t-Test passt, wenn Sie zwei Mittelwerte einer metrischen Variable vergleichen wollen – etwa Prüfungsangst, Zufriedenheit oder Reaktionszeit. Welche Variante Sie brauchen, hängt vom Aufbau Ihrer Daten ab:
| Variante | Situation | Beispiel |
|---|---|---|
| Unabhängige Stichproben | Zwei verschiedene Gruppen | Studierende im Homeoffice vs. in Präsenz |
| Verbundene (abhängige) Stichproben | Dieselben Personen zweimal gemessen | Stress vor und nach einem Training |
| Eine Stichprobe | Eine Gruppe vs. bekannter Wert | Durchschnittsnote eines Kurses vs. Landesdurchschnitt |
Vergleichen Sie mehr als zwei Gruppen, ist eine einfaktorielle Varianzanalyse (ANOVA) das richtige Verfahren. Mehrere t-Tests hintereinander würden die Fehlerwahrscheinlichkeit erhöhen.
Voraussetzungen
- Metrische abhängige Variable: mindestens intervallskaliert, z. B. ein Skalenmittelwert aus mehreren Items.
- Unabhängige Beobachtungen: Jede Person ist nur einmal in den Daten (gilt nicht für verbundene Stichproben).
- Normalverteilung: der Werte in jeder Gruppe bzw. der Differenzen. Ab etwa 30 Personen pro Gruppe ist der t-Test hier robust.
- Varianzhomogenität (nur bei unabhängigen Stichproben): Die Streuung ist in beiden Gruppen ähnlich. SPSS prüft das mit dem Levene-Test.
Sind die Voraussetzungen deutlich verletzt, etwa bei kleinen, stark schiefen Stichproben, verwenden Sie nichtparametrische Alternativen: den Mann-Whitney-U-Test (unabhängig) oder den Wilcoxon-Test (verbunden).
t-Test in SPSS durchführen
Wir zeigen das Vorgehen an einem Beispiel: Unterscheiden sich Studierende, die überwiegend im Homeoffice lernen (Gruppe 1), und Studierende, die überwiegend in Präsenz lernen (Gruppe 2), hinsichtlich ihrer Prüfungsangst? Die Prüfungsangst wurde als Mittelwert mehrerer Items auf einer Skala von 1 bis 5 erfasst. Alle Zahlen sind fiktiv.
- Menü Analysieren → Mittelwerte vergleichen → T-Test bei unabhängigen Stichproben.
- Die abhängige Variable (Pruefungsangst) in das Feld Testvariable(n) ziehen.
- Die Gruppenvariable (Lernort) in das Feld Gruppenvariable ziehen.
- Auf Gruppen definieren klicken und die Codes eintragen, z. B. 1 und 2.
- Das Häkchen bei Effektstärken schätzen setzen (ab SPSS 27 vorhanden).
- Mit OK bestätigen.
Die SPSS-Ausgabe verstehen
Tabelle 1: Gruppenstatistiken
| Lernort | N | M | SD | SE |
|---|---|---|---|---|
| Homeoffice | 60 | 3,42 | 0,81 | 0,105 |
| Präsenz | 60 | 3,05 | 0,77 | 0,099 |
M = Mittelwert, SD = Standardabweichung, SE = Standardfehler des Mittelwerts.
Die Gruppe im Homeoffice berichtet im Mittel eine etwas höhere Prüfungsangst. Ob dieser Unterschied zufällig sein könnte, zeigt die nächste Tabelle.
Tabelle 2: Test bei unabhängigen Stichproben
SPSS zeigt diese Tabelle quer mit zwei Zeilen. Zur besseren Lesbarkeit stellen wir sie hier gedreht dar:
| Kennwert | Varianzen gleich | Varianzen nicht gleich |
|---|---|---|
| Levene-Test F | 0,42 | – |
| Levene-Test Sig. | ,518 | – |
| t | 2,56 | 2,56 |
| df | 118 | 117,7 |
| Sig. (zweiseitig) | ,012 | ,012 |
| Mittlere Differenz | 0,37 | 0,37 |
| 95 %-Konfidenzintervall | 0,08 bis 0,66 | 0,08 bis 0,66 |
So lesen Sie die Ergebnisse in drei Schritten:
- Levene-Test prüfen: Sig. = ,518 ist größer als ,05. Die Varianzen unterscheiden sich also nicht bedeutsam – Sie verwenden die Spalte „Varianzen gleich“. Wäre der Levene-Test signifikant (Sig. < ,05), würden Sie die Spalte „Varianzen nicht gleich“ verwenden (Welch-Korrektur).
- Signifikanz ablesen: p = ,012 liegt unter ,05. Der Unterschied ist statistisch signifikant.
- Konfidenzintervall prüfen: Das 95 %-Konfidenzintervall der Differenz (0,08 bis 0,66) enthält nicht die Null – auch das bestätigt den Unterschied.
Tabelle 3: Effektstärke
SPSS gibt Cohens d = 0,47 aus. Der Unterschied ist also nicht nur signifikant, sondern auch praktisch bedeutsam. Zur Einordnung nach Cohen:
| Cohens d | Effekt |
|---|---|
| ab 0,2 | klein |
| ab 0,5 | mittel |
| ab 0,8 | groß |
Mit d = 0,47 liegt ein kleiner bis mittlerer Effekt vor.
Ergebnisse nach APA berichten
Im Ergebnisteil nennen Sie Mittelwerte und Standardabweichungen beider Gruppen, den t-Wert mit Freiheitsgraden, den p-Wert und die Effektstärke:
Studierende, die überwiegend im Homeoffice lernen, berichteten eine höhere Prüfungsangst (M = 3.42, SD = 0.81) als Studierende, die überwiegend in Präsenz lernen (M = 3.05, SD = 0.77). Der Unterschied war signifikant, t(118) = 2.56, p = .012, d = 0.47.
Hinweise zur Formatierung: Statistische Symbole kursiv, p-Werte ohne führende Null, exakte p-Werte statt „p < .05“ (außer bei sehr kleinen Werten: p < .001). Ob Sie Dezimalpunkt oder Dezimalkomma verwenden, hängt von den Vorgaben Ihres Instituts ab – entscheidend ist, dass Sie einheitlich bleiben.
Die anderen Varianten in SPSS
t-Test bei verbundenen Stichproben
Für Vorher-nachher-Vergleiche derselben Personen: Analysieren → Mittelwerte vergleichen → T-Test bei verbundenen Stichproben. Ziehen Sie beide Messzeitpunkte (z. B. Stress_t1 und Stress_t2) als Paar in das Feld. SPSS prüft dann, ob die mittlere Differenz von null verschieden ist. Einen Levene-Test gibt es hier nicht.
t-Test bei einer Stichprobe
Für den Vergleich mit einem bekannten Wert: Analysieren → Mittelwerte vergleichen → T-Test bei einer Stichprobe. Tragen Sie unter Testwert den Vergleichswert ein, etwa den Skalenmittelpunkt 3 oder einen Durchschnitt aus der Literatur.
Häufige Fehler
- Falsche Werte abgelesen: Den Levene-Test übersehen und automatisch die Werte für gleiche Varianzen verwendet.
- Effektstärke vergessen: Bei großen Stichproben werden schon winzige Unterschiede signifikant. Erst d zeigt, ob der Unterschied relevant ist.
- Mehrere t-Tests statt ANOVA: Bei drei oder mehr Gruppen steigt sonst die Gefahr falsch-positiver Ergebnisse.
- Unabhängig statt verbunden: Wurden dieselben Personen zweimal befragt, ist der t-Test für unabhängige Stichproben falsch.
- „Signifikant“ mit „bewiesen“ verwechseln: Ein signifikantes Ergebnis zeigt einen Unterschied in den Daten, aber keinen kausalen Zusammenhang.
Checkliste
- Passende Variante gewählt (unabhängig, verbunden, eine Stichprobe).
- Abhängige Variable ist metrisch.
- Normalverteilung bzw. ausreichende Gruppengröße geprüft.
- Levene-Test beachtet und richtige Zeile gelesen.
- p-Wert und Konfidenzintervall interpretiert.
- Cohens d berechnet und eingeordnet.
- Ergebnis vollständig nach APA berichtet (M, SD, t, df, p, d).
Für Zusammenhänge zwischen mehreren Variablen hilft unser Artikel zur Regressionsanalyse in SPSS weiter.
Häufige Fragen
Einseitig oder zweiseitig testen?
Standard ist der zweiseitige Test. Einseitig dürfen Sie nur testen, wenn Sie vorab eine gerichtete Hypothese begründet haben – und das sollten Sie im Methodenteil festhalten.
Wie viele Personen brauche ich für einen t-Test?
Um einen mittleren Effekt (d = 0,5) zuverlässig zu finden, sind bei zweiseitigem Test etwa 64 Personen pro Gruppe nötig. Eine genaue Berechnung ermöglicht eine Poweranalyse, zum Beispiel mit dem kostenlosen Programm G*Power.
Was mache ich, wenn das Ergebnis nicht signifikant ist?
Berichten Sie es genauso vollständig. Ein nicht signifikantes Ergebnis ist ein Befund, den Sie in der Diskussion einordnen – etwa mit Blick auf Stichprobengröße und Effektstärke.