Wie die Varianzanalyse die Streuung zerlegt, Quadratsummen, Freiheitsgrade, F-Test und Eta-Quadrat, Schritt für Schritt an einem gerechneten Beispiel. Nach einer Vorlesung.
Kurz gesagt: Die einfaktorielle Varianzanalyse prüft, ob sich der Mittelwert eines gemessenen Werts zwischen Gruppen unterscheidet, die ein Merkmal bildet. Zum Beispiel: Ist die Zufriedenheit mit dem Service je nach Kontaktkanal verschieden, also bei Telefon, Chat und E-Mail? Dazu teilt sie die gesamte Streuung der Antworten in zwei Teile: den Teil, der zwischen den Gruppen liegt, und den Rest innerhalb der Gruppen. Beide Teile werden vergleichbar gemacht, indem man sie durch ihre sogenannten Freiheitsgrade teilt, und dann ins Verhältnis gesetzt. Das ergibt den F-Wert. Ist er größer als ein Grenzwert aus der F-Tabelle, sprechen die Daten gegen die Annahme, dass alle Gruppen im Mittel gleich sind. Wie stark der Zusammenhang ist, zeigt Eta-Quadrat (η2): der Anteil der Streuung, den die Gruppen erklären. Im gerechneten Beispiel dieses Beitrags ist F = 10,0 bei einem Grenzwert von 3,89, und der Kanal erklärt 62,5 % der Streuung.
Dieser Beitrag geht auf eine meiner Vorlesungen zurück. Er folgt ihr Schritt für Schritt, von der Idee über die Zerlegung der Streuung bis zum F-Test und zur Stärke des Zusammenhangs. Jeder Rechenschritt ist ausgeschrieben, sodass Sie ihn mit Papier und Stift nachvollziehen können.
Der Reihe nach:
- Was leistet die Varianzanalyse?
- Wo setzt man die Varianzanalyse ein?
- Was sind Faktor und Faktorstufen?
- In welchen Schritten geht die Varianzanalyse vor?
- Unterscheidet sich die Zufriedenheit je Kontaktkanal?
- Wie schätzt man einen Wert ohne und mit Wissen über die Gruppe?
- Wie zerlegt man die Streuung?
- Wie sieht das als Modell aus?
- Wie berechnet man die Quadratsummen?
- Warum teilt man durch die Freiheitsgrade?
- Wie prüft der F-Test, ob der Unterschied signifikant ist?
- Wie stark ist der Zusammenhang?
- Was setzt die Varianzanalyse voraus?
- Welche Kanäle unterscheiden sich?
- Was, wenn mehrere Faktoren wirken?
- So berichten Sie das Ergebnis
- Was Sie fragen sollten, wenn andere für Sie rechnen
- Häufige Fragen zur Varianzanalyse
- Quellen
Was leistet die Varianzanalyse?
Die Varianzanalyse arbeitet mit zwei Arten von Variablen. Die eine ist ein Merkmal, das Gruppen bildet, und gilt als unabhängige Variable, die andere ist metrisch skaliert und gilt als abhängige Variable. Es kann auch mehr als eine von jeder Art sein, darauf kommen wir gleich.
Meist ist dieses Merkmal nominal skaliert. Nominal skaliert heißt: Die Werte bezeichnen nur, zu welcher Gruppe ein Fall gehört. Einen eigentlichen Zahlensinn haben sie nicht. Beispiele sind die Zugehörigkeit zu einer Gruppe, eine Farbe, eine Marke oder das Geschlecht. Selbst wenn man die Gruppen mit 1, 2 und 3 nummeriert, kann man mit diesen Zahlen nicht rechnen. Gruppe 2 ist nicht doppelt so viel wie Gruppe 1. Die Gruppen dürfen aber auch eine Reihenfolge haben, etwa die Stufen des Preisnachlasses im Beispiel der Elektronikkette weiter unten. Es kommt nur darauf an, dass sie Gruppen bilden. Metrisch skaliert heißt dagegen: Die Abstände zwischen den Zahlen bedeuten etwas, man kann sinnvoll addieren und Mittelwerte bilden, etwa bei Umsätzen, Besucherzahlen oder Kilogramm.
Die Varianzanalyse leistet zweierlei. Erstens prüft sie, ob sich die Mittelwerte der Gruppen in der Grundgesamtheit unterscheiden. Zweitens misst sie, wie stark der Zusammenhang zwischen Gruppe und gemessenem Wert ist. Diese zweite Zahl schaut man sich immer an, egal wie der Test ausgeht.
Deshalb gehört sie zu den häufigsten Methoden bei Experimenten. In einem Experiment teilt man die Teilnehmenden nach bestimmten Kriterien in Gruppen auf. Die Gruppe, zu der jemand gehört, ist eine nominale Variable. Gemessen wird dann ein metrisches Ergebnis, im Englischen oft Outcome genannt. Die Varianzanalyse prüft, ob sich dieses Ergebnis zwischen den Gruppen unterscheidet.
Wo setzt man die Varianzanalyse ein?
Ein Kinobetreiber möchte wissen, wie gut verschiedene Arten wirken, sein Programm bekannt zu machen: Plakat, Billboard, Zeitungsanzeige, Flyer oder Einwurfwerbung im Briefkasten. Er wählt aus seiner Kette vergleichbare Kinos, etwa in verschiedenen Städten, und setzt jede Art der Werbung in mehreren davon ein. Welches Kino welche Werbung bekommt, entscheidet am besten der Zufall, etwa per Los. Am Ende vergleicht er die Besucherzahlen. Mit nur einem Kino je Werbeart ginge das nicht: Innerhalb einer Gruppe gäbe es dann keine Streuung, mit der man den Unterschied zwischen den Gruppen vergleichen könnte. Absolut gleiche Kinos gibt es in der Praxis natürlich nicht. Auch vergleichbare Kinos unterscheiden sich noch, etwa im Publikum. Die zufällige Zuteilung sorgt dafür, dass sich solche Unterschiede im Mittel gleich auf die Werbearten verteilen. In einem einzelnen Versuch können trotzdem Ungleichgewichte bleiben. Dann spricht ein deutlicher Unterschied in den Besucherzahlen für einen Effekt der Werbung.
Eine Elektronikkette fragt, ob ein Preisnachlass von 10 oder 20 Prozent den Absatz eines Produkts deutlich steigert. Sie wählt vergleichbare Filialen, gewährt in ihnen verschiedene Nachlässe und beobachtet den Absatz.
In der Werbung passt die Varianzanalyse zu A/B-Tests mit mehr als zwei Varianten, auch A/B/C-Tests genannt, wenn ein Wert gemessen wird. Man gestaltet verschiedene Anzeigen. Die Art der Anzeige ist ein nominales Merkmal. Gemessen wird zum Beispiel, wie gut die Anzeige gefällt, welche Gefühle sie auslöst oder wie viel sie verkauft. Viele A/B-Tests zählen allerdings nur Ja oder Nein, etwa ob jemand klickt. Dafür nimmt man den Chi-Quadrat-Test.
In der Medizin prüft man so, ob Medikamente wirken. Eine Gruppe bekommt das Medikament, eine Kontrollgruppe ein Placebo, und am Ende vergleicht man den Erfolg der Therapie. Ebenso lässt sich vergleichen, wie verschiedene Diäten auf das Gewicht wirken.
Unternehmen brauchen die Varianzanalyse aber nicht nur für Fragen rund um ihre Kunden, sondern auch intern. Unterscheidet sich die Zufriedenheit der Mitarbeitenden zwischen Standorten oder Abteilungen? Kommen drei Schulungsformate unterschiedlich gut an? Auch hier steht auf der einen Seite eine Gruppe und auf der anderen ein gemessener Wert.
Was sind Faktor und Faktorstufen?
Die Varianzanalyse unterstellt einen funktionalen Zusammenhang: Die metrische abhängige Variable Y hängt von einer oder mehreren kategorialen unabhängigen Variablen X ab, also von Merkmalen, die Gruppen bilden, und dazu von einer zufälligen Abweichung.
Dabei ist Y die abhängige Variable, zum Beispiel die Besucherzahl, und X1 bis XJ sind die unabhängigen Variablen, zum Beispiel die Art der Werbung. ε steht für die zufällige Abweichung: Einzelne Werte weichen vom Mittelwert ihrer Gruppe ab. Die X heißen in der Varianzanalyse Faktoren. Ihre Ausprägungen heißen Faktorstufen. Im Kinobeispiel ist die Art der Werbung der Faktor, und Plakat, Zeitungsanzeige und Flyer sind seine Stufen.
Die Varianzanalyse heißt auch ANOVA, die Abkürzung des englischen Analysis of Variance. Nach der Zahl der Variablen unterscheidet man mehrere Formen:
- Einfaktorielle Varianzanalyse: eine abhängige Variable und ein Faktor. Einfacher geht es nicht, deshalb heißt sie auch einfache Varianzanalyse. Um sie geht es in diesem Beitrag.
- Mehrfaktorielle Varianzanalyse: eine abhängige Variable und mehrere Faktoren, die man gemeinsam analysiert. Auf die Besucherzahl eines Kinos wirkt vielleicht nicht nur die Art der Werbung, sondern auch die Lage, im Zentrum oder am Stadtrand. Auch die Lage bildet nur Gruppen, ist also ein Faktor wie die Werbung.
- Multivariate Varianzanalyse: mehr als eine abhängige Variable. Englisch heißt sie Multivariate Analysis of Variance, kurz MANOVA.
In welchen Schritten geht die Varianzanalyse vor?
Für uns sind drei Schritte wichtig. Zuerst formulieren wir das Modell. Dann zerlegen wir die Streuung. Und zuletzt prüfen wir die statistische Signifikanz und messen die Stärke des Zusammenhangs. Alle drei gehen wir jetzt an einem Beispiel durch.
Unterscheidet sich die Zufriedenheit je Kontaktkanal?
Ein Unternehmen bietet seinen Kundinnen und Kunden drei Wege, den Service zu erreichen: Telefon, Chat und E-Mail. Die Leitung des Service vermutet, dass die Zufriedenheit je nach Kanal verschieden ist, weiß es aber nicht. Deshalb bittet sie nach jedem Kontakt um eine Bewertung: «Wie zufrieden waren Sie mit unserem Service?», auf einer Skala von 0 (überhaupt nicht zufrieden) bis 10 (vollkommen zufrieden).
Damit haben wir einen Faktor, den Kontaktkanal, mit drei Faktorstufen: Stufe 1 Telefon, Stufe 2 Chat, Stufe 3 E-Mail. Die abhängige Variable ist die Zufriedenheit. Streng genommen zeigt eine Skala von 0 bis 10 nur eine Reihenfolge, in der Praxis rechnet man mit ihr aber wie mit Messwerten, weil die Abstände zwischen den Stufen als gleich gelten (wann das vertretbar ist).
Müssen wir die Werte vorher vergleichbar machen? Hier nicht. Jede Antwort ist die Bewertung einer Person auf derselben Skala, egal ob über den Chat zehn oder tausend Menschen kommen. Anders wäre es, würden wir zum Beispiel die Beschwerden je Kanal zählen. Über das Telefon kommen vielleicht viel mehr Kontakte als per E-Mail, und schon deshalb gäbe es dort mehr Beschwerden. Dann müssten wir die Zahlen normieren, etwa auf Beschwerden je 1.000 Kontakte, damit wir sie vergleichen können.
Damit sich jeder Schritt im Kopf nachrechnen lässt, nehmen wir je Kanal nur fünf Antworten. Die Zahlen sind ausgedacht, es sind Übungszahlen und nicht das Ergebnis einer Studie.
Zufriedenheit je Kontaktkanal (ausgedachte Übungszahlen, Skala 0 bis 10)
| Antwort k | Telefon (g = 1) | Chat (g = 2) | E-Mail (g = 3) |
|---|---|---|---|
| Antwort k1 | 9 | 7 | 5 |
| Antwort k2 | 8 | 5 | 6 |
| Antwort k3 | 10 | 8 | 3 |
| Antwort k4 | 8 | 6 | 4 |
| Antwort k5 | 10 | 9 | 7 |
| Antwort kMittelwert | 9 | 7 | 5 |
Die Frage lautet: Unterscheidet sich die mittlere Zufriedenheit zwischen den Kontaktkanälen? Unsere Vermutung ist die Alternativhypothese H1: Nicht alle Mittelwerte sind gleich. Geprüft wird aber, wie bei jedem statistischen Test, ihr Gegenteil, die Nullhypothese H0: Die Mittelwerte der Gruppen in der Grundgesamtheit sind alle gleich. Als Formel:
Dabei ist μ (sprich: mü) die mittlere Zufriedenheit aller Kundinnen und Kunden, die den jeweiligen Kanal nutzen, nicht nur unserer fünf. Gelingt es, H0 abzulehnen, sprechen die Daten für H1. Bewiesen ist H1 damit nicht. Warum man so vorgeht, erklärt der Beitrag Hypothesentests verstehen: eine Idee hinter z, t, χ2 und F.
Für die Rechnung brauchen wir eine Schreibweise. Jeder einzelne Wert in der Tabelle ist ein Beobachtungswert. Wir schreiben ihn als ygk. Der Index g steht für die Gruppe, also die Faktorstufe: g = 1 ist Telefon, g = 2 Chat, g = 3 E-Mail. Der Index k zählt die Antworten innerhalb der Gruppe, von 1 bis 5. Die vierte Antwort im Chat ist also y24 = 6, die vierte per E-Mail y34 = 4. G ist die Zahl der Gruppen, hier 3, K die Zahl der Antworten je Gruppe, hier 5.
Außerdem brauchen wir zwei Arten von Mittelwert. Der Gruppenmittelwert ȳg (sprich: y quer g) ist der Mittelwert einer Gruppe. Für Telefon ist er (9 + 8 + 10 + 8 + 10) / 5 = 45 / 5 = 9, für Chat (7 + 5 + 8 + 6 + 9) / 5 = 35 / 5 = 7, für E-Mail (5 + 6 + 3 + 4 + 7) / 5 = 25 / 5 = 5. Der Gesamtmittelwert ȳ ohne Index ist der Mittelwert aller 15 Antworten zusammen: (45 + 35 + 25) / 15 = 105 / 15 = 7.
Wie schätzt man einen Wert ohne und mit Wissen über die Gruppe?
Zeichnen wir die Daten auf. Auf der senkrechten Achse stehen die Werte der Zufriedenheit. Auf der waagerechten Achse stehen die Gruppen und darin die Antworten nebeneinander. Diese Achse hat keine andere Bedeutung, als jeden Wert seiner Gruppe zuzuordnen. Links stehen die fünf Antworten der Gruppe Telefon, y11 bis y15, in der Mitte die des Chats, rechts die der E-Mail, y31 bis y35.

Wozu brauchen wir den Gesamtmittelwert? Stellen Sie sich vor, Sie sollen schätzen, wie zufrieden die nächste Person sein wird, die den Service bewertet. Über den Kanal wissen Sie nichts. Dann liegt es nahe, mit dem Mittelwert aller Antworten zu schätzen, also mit 7. Von ihm weichen die gemessenen Werte in unseren Daten insgesamt am wenigsten ab, gemessen an der Summe der quadrierten Abweichungen. Mit jeder anderen Zahl als 7 wäre diese Summe größer.
Nun haben wir aber zusätzliches Wissen: In den drei Gruppen ergeben sich verschiedene Mittelwerte. Wissen Sie, dass die nächste Person angerufen hat, können Sie mit dem Mittelwert der Gruppe Telefon schätzen, also mit 9. Kam sie per E-Mail, mit 5. Mit den Gruppenmittelwerten wird die Summe der quadrierten Abweichungen in unseren Daten kleiner als mit 7. Dass die nächste Antwort damit besser getroffen wird, ist aber nicht garantiert. Gäbe es zwischen den Kanälen keinen Unterschied, brächte dieses Wissen nichts, und im Idealfall lägen alle drei Gruppenmittelwerte genau auf dem Gesamtmittelwert.
Die Wirklichkeit ist aber vom Zufall geprägt. Selbst wenn alle Kundinnen und Kunden in den drei Kanälen im Mittel gleich zufrieden wären, wichen die Mittelwerte unserer Stichprobe zufällig etwas voneinander ab. Die Frage ist, wie groß die Abweichung ist. In unserem Beispiel ist sie deutlich: 9 und 5 liegen je 2 Punkte vom Gesamtmittelwert 7 entfernt. Das ist ein erstes Zeichen für einen Unterschied zwischen den Kanälen.
Statistisch bleibt aber zu klären, ob diese Unterschiede signifikant sind: Sind sie größer, als der Zufall sie leicht hervorbringt? Ob der Kanal die Ursache ist, klärt der Test dagegen nicht. Hinter einem Unterschied können auch andere Einflüsse stecken, etwa wie schwierig das Anliegen war, wie die Person an dem Tag gelaunt war, wer gerade Dienst hatte. Oder zufällige Einflüsse, die sich gar nicht messen lassen. Um die Frage nach der Signifikanz zu beantworten, zerlegt die Varianzanalyse die Streuung.
Wie zerlegt man die Streuung?
Jeder Punkt weicht vom Gesamtmittelwert ab. Diese Abweichung zerlegen wir in zwei Stücke.
Das erste Stück führt vom Gesamtmittelwert zum Mittelwert der Gruppe. Es heißt erklärte Abweichung. Erklärt ist sie, weil wir sie mit dem Wissen über die Gruppe vorhersagen können: Wer weiß, über welchen Kanal ein Kontakt lief, liegt mit dem Gruppenmittelwert in unseren Daten näher an den gemessenen Werten als mit dem Gesamtmittelwert, gemessen an der Summe der quadrierten Abweichungen. Dieses Stück ist für alle Punkte einer Gruppe gleich. Für jede Antwort per Telefon beträgt es 9 − 7 = +2, für jede im Chat 7 − 7 = 0, für jede per E-Mail 5 − 7 = −2.
Das zweite Stück führt vom Gruppenmittelwert zum tatsächlich gemessenen Punkt. Es heißt nicht erklärte Abweichung. Für sie machen wir andere Faktoren und zufällige Einflüsse verantwortlich. Bei der dritten Antwort per E-Mail, y33 = 3, beträgt es 3 − 5 = −2.

So haben wir die Gesamtabweichung jedes Punkts vom Gesamtmittelwert in zwei Teile zerlegt. Die Idee dahinter noch einmal: Wer den Kanal nicht kennt, schätzt mit 7. Wer ihn kennt, schätzt mit dem Gruppenmittelwert, also mit 9, 7 oder 5, und die Summe der quadrierten Abweichungen wird in unseren Daten kleiner. Das erklärte Stück zeigt, wie weit der Gruppenmittelwert vom Gesamtmittelwert entfernt liegt. Um wie viel die Summe kleiner wird, zeigt sich erst über alle Punkte zusammen. Was dann noch an Abweichung von den Gruppenmittelwerten bleibt, geht auf zufällige oder nicht berücksichtigte Einflüsse zurück.
Wie sieht das als Modell aus?
Algebraisch geschrieben setzt sich jeder Beobachtungswert aus drei Teilen zusammen: dem Gesamtmittelwert, dem Effekt der Gruppe, also der erklärten Abweichung, und der nicht erklärten Abweichung, dem Zufallseinfluss.
Dabei ist ygk der Wert der k-ten Antwort in Gruppe g. μ ist der Mittelwert aller Kundinnen und Kunden, nicht nur unserer 15. αg (sprich: alpha g) ist der Effekt der Gruppe g, also wie weit ihr Mittelwert in der Grundgesamtheit von μ abweicht. εgk (sprich: epsilon g k) ist die zufällige Abweichung der einzelnen Antwort vom Mittelwert ihrer Gruppe. μ und αg kennen wir nicht. Wir schätzen sie aus den Daten: μ durch den Gesamtmittelwert ȳ, αg durch ȳg − ȳ. Was dann für die einzelne Antwort übrig bleibt, ygk − ȳg, heißt Residuum. Es ist unsere Schätzung für εgk.
Nehmen wir einen Punkt heraus, die vierte Antwort per E-Mail, y34 = 4. Der Gesamtmittelwert ist ȳ = 7. Den Effekt der Gruppe 3 schätzen wir mit ȳ3 − ȳ = 5 − 7 = −2: Per E-Mail liegt die Zufriedenheit in unseren Daten im Mittel 2 Punkte unter dem Gesamtmittelwert. Das Residuum ist y34 − ȳ3 = 4 − 5 = −1: Diese Person liegt noch 1 Punkt unter dem Mittelwert ihrer Gruppe. Zusammen:

Wie berechnet man die Quadratsummen?
Bisher haben wir einzelne Abweichungen betrachtet. Jetzt fassen wir sie für alle Punkte zusammen. Würden wir die Abweichungen einfach addieren, höben sich die nach oben und die nach unten gegenseitig auf, und um den Mittelwert ergäbe die Summe immer null. Deshalb quadriert man jede Abweichung und addiert erst dann. Das Ergebnis heißt Quadratsumme, weil es genau das ist: eine Summe von Quadraten. Englisch heißt sie Sum of Squares, kurz SS. Ein angehängter Buchstabe sagt, welche Abweichung gemeint ist.
Gesamtstreuung, SST. Das T steht für total, SST ist also die Total Sum of Squares. Für jeden der 15 Punkte berechnen wir die Abweichung vom Gesamtmittelwert, quadrieren sie und addieren alles. Der Gesamtmittelwert ist für alle drei Gruppen derselbe, nämlich 7.
Die zwei Summenzeichen bedeuten: über alle Gruppen g und in jeder Gruppe über alle Antworten k addieren. Im Beispiel:
- Telefon: (9 − 7)² + (8 − 7)² + (10 − 7)² + (8 − 7)² + (10 − 7)² = 4 + 1 + 9 + 1 + 9 = 24
- Chat: (7 − 7)² + (5 − 7)² + (8 − 7)² + (6 − 7)² + (9 − 7)² = 0 + 4 + 1 + 1 + 4 = 10
- E-Mail: (5 − 7)² + (6 − 7)² + (3 − 7)² + (4 − 7)² + (7 − 7)² = 4 + 1 + 16 + 9 + 0 = 30
Zusammen: SST = 24 + 10 + 30 = 64.
Erklärte Streuung, SSB. Das B steht für between, SSB ist die Sum of Squares between groups, die Quadratsumme zwischen den Gruppen. Hier geht es um die schwarzen Stücke aus Abbildung 2, die Abweichung des Gruppenmittelwerts vom Gesamtmittelwert. Der Gesamtmittelwert ist für alle Punkte gleich, der Gruppenmittelwert für alle Punkte einer Gruppe. Deshalb hat jeder Punkt einer Gruppe dasselbe schwarze Stück, und wir müssen nicht jeden Punkt einzeln durchgehen. Wir nehmen die quadrierte Abweichung je Gruppe einmal und multiplizieren sie mit der Zahl der Antworten in der Gruppe, hier K = 5:
Im Beispiel:
- Telefon: 5 · (9 − 7)² = 5 · 4 = 20
- Chat: 5 · (7 − 7)² = 5 · 0 = 0
- E-Mail: 5 · (5 − 7)² = 5 · 4 = 20
Zusammen: SSB = 20 + 0 + 20 = 40, kurz geschrieben 5 · (2² + 0² + 2²) = 5 · 8 = 40.
Nicht erklärte Streuung, SSW. Das W steht für within, SSW ist die Sum of Squares within groups, die Quadratsumme innerhalb der Gruppen. Das sind die türkisen Stücke, die Abweichung jedes Punkts vom Mittelwert seiner Gruppe. Jetzt bleibt je Gruppe der Gruppenmittelwert fest: 9 für Telefon, 7 für Chat, 5 für E-Mail.
Im Beispiel:
- Telefon: (9 − 9)² + (8 − 9)² + (10 − 9)² + (8 − 9)² + (10 − 9)² = 0 + 1 + 1 + 1 + 1 = 4
- Chat: (7 − 7)² + (5 − 7)² + (8 − 7)² + (6 − 7)² + (9 − 7)² = 0 + 4 + 1 + 1 + 4 = 10
- E-Mail: (5 − 5)² + (6 − 5)² + (3 − 5)² + (4 − 5)² + (7 − 5)² = 0 + 1 + 4 + 1 + 4 = 10
Zusammen: SSW = 4 + 10 + 10 = 24.
Jetzt können wir nachrechnen, dass die Zahlen stimmen. Die Quadratsumme zwischen den Gruppen und die Quadratsumme innerhalb der Gruppen ergeben zusammen genau die Gesamtstreuung. Abbildung 2 zeigt, dass sich für jeden Punkt die Abweichungen addieren. Für ihre Quadrate gilt das erst in der Summe über alle Punkte, dort aber genau:
Warum teilt man durch die Freiheitsgrade?
Bevor wir zum Test kommen, fehlt noch ein Schritt. Die Quadratsummen hängen von der Zahl der Beobachtungen ab. Bei SST und SSW sieht man das leicht: Jede neue Antwort bringt ein neues Quadrat dazu, und negativ ist keines. Kleiner werden diese beiden Summen deshalb nie, sie wachsen mit der Zahl der Antworten, auch wenn sich an den Kanälen nichts geändert hat. SSB muss dagegen nicht wachsen, denn mit jeder neuen Antwort werden auch die Mittelwerte neu berechnet und können näher zusammenrücken. Außerdem stecken in SSB nur drei Gruppen, in SSW aber 15 einzelne Antworten. Roh nebeneinandergestellt wären die beiden Summen also nicht vergleichbar.
Deshalb bilden wir aus jeder Quadratsumme etwas Ähnliches wie eine Varianz, also eine durchschnittliche quadrierte Abweichung. Geteilt wird aber nicht durch die Zahl der Beobachtungen, sondern durch die Zahl der Freiheitsgrade.
Was sind Freiheitsgrade? Nehmen wir an, drei Zahlen sollen zusammen 10 ergeben:
Die erste Zahl können wir beliebig wählen, sagen wir 15. Die zweite auch, sagen wir −20. Es hätte jede andere Zahl sein können, auch eine Milliarde oder minus eine Million. Die dritte aber können wir nicht mehr frei wählen. Die ersten beiden ergeben zusammen 15 + (−20) = −5. Damit am Ende 10 herauskommt, muss x3 genau 15 sein, denn −5 + 15 = 10. Von drei Zahlen mit fester Summe sind also nur zwei frei. Die Zahl der Werte, die frei variieren können, heißt Zahl der Freiheitsgrade, englisch degrees of freedom, kurz df.
Mit derselben Überlegung bestimmen wir die Freiheitsgrade der drei Quadratsummen.
Gesamtstreuung. Hier geht es um die roten Abweichungen aller einzelnen Punkte vom Gesamtmittelwert. Steht der Gesamtmittelwert fest, können von den 15 Punkten 14 frei variieren, der fünfzehnte ergibt sich. Die Freiheitsgrade sind also N − 1, die Zahl aller Beobachtungen minus 1. N lässt sich auch als Zahl der Gruppen mal Zahl der Antworten je Gruppe schreiben, G · K = 3 · 5 = 15. Also df = G · K − 1 = 15 − 1 = 14.
Erklärte Streuung. Hier geht es um die schwarzen Stücke. Ihre Besonderheit: Innerhalb einer Gruppe sind sie immer gleich. Legen wir das Stück für eine Gruppe fest, gilt es für alle fünf Punkte dieser Gruppe. Es gibt also im Grunde nur drei solche Stücke, eines je Gruppe. Bei gleich großen Gruppen ist der Durchschnitt der drei Gruppenmittelwerte genau der Gesamtmittelwert: (9 + 7 + 5) / 3 = 7. Steht der Gesamtmittelwert fest, können wir deshalb zwei Gruppenmittelwerte frei wählen, der dritte ist festgelegt. Bei ungleich großen Gruppen gilt dasselbe mit einem gewichteten Durchschnitt, in dem große Gruppen mehr zählen. Die Freiheitsgrade sind G − 1 = 3 − 1 = 2.
Nicht erklärte Streuung. Hier geht es um die türkisen Stücke, die Abweichungen der Punkte von der Linie ihres Gruppenmittelwerts. Diese Linie ist je Gruppe vorgegeben. Von den fünf Punkten einer Gruppe können vier frei variieren, der fünfte ergibt sich, so wie bei den drei Zahlen mit der Summe 10. Je Gruppe gibt es also K − 1 = 4 Freiheitsgrade. Und das gilt in jeder der drei Gruppen. Hätten wir vier Gruppen, käme K − 1 viermal vor. Die Freiheitsgrade sind deshalb G · (K − 1) = 3 · 4 = 12.
Wie die Quadratsummen ergeben auch die Freiheitsgrade zusammen die Freiheitsgrade der Gesamtstreuung: 14 = 2 + 12.
Bisher hatte jede Gruppe gleich viele Antworten. In echten Umfragen ist das selten, über das Telefon kommen vielleicht viel mehr Bewertungen als per E-Mail. Dann nimmt man für jede Gruppe ihre eigene Größe ng. In SSB wird die quadrierte Abweichung jeder Gruppe mit ng statt mit K multipliziert, und die Freiheitsgrade innerhalb der Gruppen sind die Zahl aller Antworten minus die Zahl der Gruppen:
Bei gleich großen Gruppen ist das dasselbe wie oben: N − G = 15 − 3 = 12 = 3 · (5 − 1).

Teilen wir jede Quadratsumme durch ihre Freiheitsgrade, erhalten wir die mittlere quadratische Abweichung, englisch Mean Square, kurz MS, oft auch mittlere Quadratsumme genannt. Damit werden die beiden Zahlen vergleichbar: MSW schätzt die Streuung, die der Zufall in die Antworten bringt. Gibt es zwischen den Kanälen keinen Unterschied, schätzt MSB dieselbe Streuung.
MSB ist die mittlere quadratische Abweichung zwischen den Gruppen, MSW die innerhalb der Gruppen. Für die Gesamtstreuung ergibt sich MST = SST / (N − 1) = 64 / 14 ≈ 4,57. Anders als die Quadratsummen und die Freiheitsgrade addieren sich die mittleren quadratischen Abweichungen nicht: 20 + 2 ist nicht 4,57. Für den Test brauchen wir nur MSB und MSW.
Wie prüft der F-Test, ob der Unterschied signifikant ist?
Mit diesen Zahlen gehen wir in den statistischen Test. Wir vergleichen zwei mittlere Quadratsummen miteinander: die zwischen den Gruppen, die zu unserem Faktor gehört, und die innerhalb der Gruppen. Gilt die Nullhypothese und sind die Annahmen des Modells erfüllt, folgt das Verhältnis dieser beiden Größen einer F-Verteilung. Unsere Teststatistik ist deshalb ein empirischer F-Wert:
Im Zähler steht die mittlere Quadratsumme zwischen den Gruppen, im Nenner die innerhalb der Gruppen. Die mittlere Quadratsumme zwischen den Kanälen ist also zehnmal so groß wie die innerhalb der Kanäle. Gäbe es zwischen den Kanälen keinen Unterschied, sollte das Verhältnis eher in der Nähe von 1 liegen, denn dann schätzten beide dieselbe Zufallsstreuung.
Ab wann ist F groß genug? Das sagt der kritische Wert. Die F-Verteilung hat zwei Arten von Freiheitsgraden: die des Zählers und die des Nenners. Als dritte Größe kommt das Signifikanzniveau hinzu, das wir vor der Auswertung festlegen. Wir nehmen 5 %, also α = 0,05. Für jedes Signifikanzniveau gibt es eine eigene F-Tabelle. Sie ist zweidimensional: In der einen Richtung stehen die Freiheitsgrade des Zählers, also der erklärten Streuung, in der anderen die des Nenners, also der nicht erklärten.
Bei uns sind das 2 und 12 Freiheitsgrade. Zwischen den Gruppen: drei Gruppen, 3 − 1 = 2. Innerhalb: drei Gruppen, in jeder können vier Werte frei variieren, 3 · 4 = 12. In der F-Tabelle für 5 % steht im Schnittpunkt von 2 Freiheitsgraden im Zähler und 12 im Nenner der kritische Wert 3,89.
Wie sieht die F-Verteilung aus? Weil sie das Verhältnis zweier quadrierter Größen beschreibt, kann sie nur positive Werte annehmen. Sie beginnt bei null und läuft nach rechts in einem langen Schwanz aus. Ihre genaue Form hängt von beiden Freiheitsgraden ab. Bei 2 Freiheitsgraden im Zähler, wie bei uns, fällt sie von null an ab. Bei mehr Freiheitsgraden im Zähler steigt sie erst an und fällt dann. Der Ablehnungsbereich liegt deshalb nur rechts: Groß wird F, wenn die Gruppen weit auseinanderliegen.

Jetzt vergleichen wir. Der empirische Wert 10,0 ist deutlich größer als der kritische Wert 3,89. Damit lehnen wir die Nullhypothese ab, dass die Mittelwerte der drei Kanäle in der Grundgesamtheit alle gleich sind. Die Daten sprechen für die Alternativhypothese: Die mittlere Zufriedenheit ist nicht in allen drei Kanälen gleich. Welche Kanäle sich unterscheiden, sagt der F-Test nicht, das klären wir weiter unten.
Eine Software liefert statt des kritischen Werts meist gleich den p-Wert. Hier ist p ≈ 0,0028, gerundet 0,003. Das heißt: Gäbe es in der Grundgesamtheit keinen Unterschied zwischen den Kanälen, bekäme man einen F-Wert von 10,0 oder größer nur in etwa 3 von 1.000 Stichproben. Wie wahrscheinlich H0 oder H1 ist, sagt der p-Wert nicht. Was er genau aussagt, erklärt der Beitrag p-Wert und Signifikanz.
Zwei Dinge sind mit diesem Ergebnis nicht gesagt. Erstens ist der Unterschied nicht bewiesen. Auch ohne jeden Unterschied landet ein F-Wert in 5 % der Fälle im Ablehnungsbereich. Zweitens sagt die Analyse, dass sich die Kanäle unterscheiden, aber nicht, warum. Anders als in einem Experiment haben wir die Kundinnen und Kunden nicht zufällig auf die Kanäle verteilt, sie haben selbst gewählt. Vielleicht schreiben gerade die eine E-Mail, deren Anliegen schwierig ist. Dann läge die geringere Zufriedenheit am Anliegen und nicht am Kanal. Aus diesem Vergleich allein lässt sich nicht schließen, dass der Kanal die Zufriedenheit verursacht.
Alle Zahlen bis hierher passen in eine Tabelle. So oder ähnlich gibt sie auch jede Statistiksoftware aus:
ANOVA-Tabelle für das Beispiel Kontaktkanal
| Quelle der Streuung | SS Quadratsumme | df Freiheitsgrade | MS mittlere quadratische Abweichung | F |
|---|---|---|---|---|
| Quelle der StreuungZwischen den Gruppen (Kanal, erklärt) | 40 | 2 | 20 | 10,0 |
| Quelle der StreuungInnerhalb der Gruppen (nicht erklärt) | 24 | 12 | 2 | |
| Quelle der StreuungGesamt | 64 | 14 | 4,57 |
Wie stark ist der Zusammenhang?
Neben dem Signifikanztest hat die Varianzanalyse eine zweite Aufgabe: die Stärke des Zusammenhangs zu messen. Diese Zahl betrachtet man immer, egal ob der Test signifikant ausfällt oder nicht. Die Effektgröße heißt Eta-Quadrat, geschrieben η2. Sie setzt die erklärte Streuung ins Verhältnis zur Gesamtstreuung:
Der Gedanke dahinter ist sehr einfach. Erklärte der Faktor die gesamte Streuung, wäre SSB gleich SST und η2 gleich 1. Dann gäbe es innerhalb der Gruppen keine Abweichung mehr, jede Antwort läge genau auf dem Mittelwert ihrer Gruppe. Je weniger der Faktor erklärt, desto kleiner wird sein Anteil an der Gesamtstreuung, bis hin zu null. Bei η2 = 0 lägen alle Gruppenmittelwerte auf dem Gesamtmittelwert. η2 liegt also immer zwischen 0 und 1 und ist der Anteil der erklärten Streuung an der Gesamtstreuung. Mal 100 genommen ergibt er den Prozentwert.
In unserem Beispiel ist η2 = 0,625. Der Kontaktkanal erklärt 62,5 % der Streuung in der Zufriedenheit, die übrigen 37,5 % (24 von 64) bleiben innerhalb der Kanäle unerklärt.
Ist das viel? Das hängt davon ab, nach welchem Maßstab Sie urteilen. Für η2 gibt es wie für Korrelationen Faustregeln, und jedes Fach hat dafür seine eigene Tradition. Zwei davon nebeneinander:
Faustregeln für η2 in zwei Traditionen
| Tradition (Quelle) | Einteilung von η2 | Unser η2 = 0,625 |
|---|---|---|
| Tradition (Quelle)Verhaltenswissenschaften (Cohen 1988, S. 281 und 285) | 0,01 kleiner · 0,06 mittlerer · 0,14 großer Effekt | groß |
| Tradition (Quelle)Sozialwissenschaften mit Blick auf die Praxis (Ferguson 2009, S. 533, Tabelle 1) | 0,04 Mindestwert für praktische Bedeutung · 0,25 mittlerer · 0,64 starker Effekt | mittel, knapp unter stark |
Eigene Zusammenstellung nach den genannten Quellen, englische Bezeichnungen übersetzt. Cohen nennt seine Stufen für ein verwandtes Maß, die Werte für η2 sind daraus umgerechnet und gerundet.
Die Einteilungen sind Traditionen der Fächer, keine Gesetze. Cohen nennt seine Stufen ausdrücklich einen Behelf für den Fall, dass die Erfahrung in einem Forschungsgebiet für bessere Werte nicht ausreicht (Cohen 1988, S. 285). Ferguson versteht seine Werte als Mindestgrenzen, die man nicht starr anwenden soll (Ferguson 2009, S. 533).
Unser Wert ist also nach Cohen groß und nach Ferguson mittel, knapp unter der Grenze für stark. Hoch ist er nach beiden Maßstäben. Er stammt aber aus ausgedachten Übungszahlen, die so gewählt sind, dass sich jeder Schritt im Kopf rechnen lässt. Dazu kommt: Bei kleinen Stichproben überschätzt η2 den Zusammenhang eher. Auch der Zufall erzeugt dort schon spürbare Unterschiede zwischen den Gruppen, und η2 rechnet sie mit ein. Über viele Stichproben gemittelt fällt η2 also zu hoch aus. Ob der wahre Anteil bei diesem einen Ergebnis unter oder über 62,5 % liegt, lässt sich daraus nicht sagen. Nennen Sie deshalb in einem Bericht die Zahl und nicht nur ein Etikett: «η2 = 0,625» ist eindeutig, «starker Effekt» ist es nicht. Wenn Sie ein Etikett verwenden, nennen Sie die Konvention dazu.
Für unser Beispiel heißt das zusammen: Der Unterschied zwischen den Kanälen ist signifikant, F liegt weit über dem kritischen Wert, und der Kanal erklärt einen großen Teil der Streuung.

Beides muss man getrennt betrachten. Ein kleiner p-Wert kann auch bei einem kleinen Unterschied herauskommen, vor allem bei vielen Antworten. Dann ist das Ergebnis signifikant, und der Faktor erklärt trotzdem nur einen sehr kleinen Teil der Streuung. Der F-Test prüft, ob die Daten zu gleichen Mittelwerten passen. η2 sagt, wie stark der Zusammenhang in den Daten ist. Zusammen zeigen beide, wie deutlich die Daten für einen Unterschied sprechen und wie groß er ist. Ob er praktisch ins Gewicht fällt, hängt von der Fragestellung ab.
Was setzt die Varianzanalyse voraus?
Der F-Test rechnet mit drei Annahmen. Erstens sind die Antworten unabhängig voneinander: Jede Person bewertet einmal und beeinflusst die anderen nicht. Zweitens sind die Werte in jeder Gruppe ungefähr normalverteilt. Bei gleich großen Gruppen verträgt der Test kleine Abweichungen davon gut. Drittens streuen die Werte in allen Gruppen ungefähr gleich stark. In unserem Beispiel ist die Varianz beim Telefon 1,0, im Chat und per E-Mail je 2,5. Mit nur fünf Antworten je Gruppe lässt sich allerdings kaum zuverlässig prüfen, ob die Werte normalverteilt sind und gleich stark streuen.
Gleiche Streuungen prüft man meist mit dem Levene-Test. Statistikprogramme zeigen ihn als eigene Tabelle oder Zeile zur Homogenität der Varianzen, entscheidend ist dort der p-Wert. Liegt er unter 0,05, spricht das gegen gleiche Varianzen. Liegt er darüber, sind gleiche Streuungen damit nicht bewiesen, bei kleinen Gruppen erst recht nicht.
Sind die Streuungen deutlich verschieden, vor allem bei ungleich großen Gruppen, nimmt man die Welch-Varianzanalyse. Sie setzt keine gleichen Streuungen voraus und rechnet die Freiheitsgrade des Nenners anders, deshalb sind sie meist keine ganze Zahl. Für unsere Zahlen ergibt sie F = 11,03 bei 2 und 7,58 Freiheitsgraden, p = 0,006, und kommt damit zur selben Entscheidung. Für die Paarvergleiche, um die es gleich geht, nimmt man in diesem Fall den Games-Howell-Test statt des Tukey-Tests.
Welche Kanäle unterscheiden sich?
Ein signifikanter F-Wert sagt: Nicht alle drei Kanäle sind gleich. Welche sich unterscheiden, sagt er nicht. Das klären anschließende Vergleiche, sogenannte Post-hoc-Tests, zum Beispiel der Tukey-Test. Er vergleicht jedes Paar von Gruppen und korrigiert dafür, dass mehrere Vergleiche auf einmal laufen. Meist schaut man sich die Paare erst nach einem signifikanten F-Test an. Nötig ist das aber nicht: Der Tukey-Test hält das Fehlerrisiko für alle Paarvergleiche zusammen selbst im Rahmen und setzt keinen signifikanten F-Test voraus.
In unserem Beispiel unterscheidet sich nur Telefon signifikant von E-Mail: 9 gegen 5, Differenz 4, p = 0,002. Telefon gegen Chat und Chat gegen E-Mail liegen je 2 Punkte auseinander, p = 0,105. Das reicht bei fünf Antworten je Kanal nicht, um H0 für diese Paare abzulehnen. Dass sich Telefon und Chat nicht unterscheiden, folgt daraus aber nicht. Die Daten reichen nur nicht aus, um es zu zeigen.
Würde man dagegen einfach einen t-Test für Telefon gegen Chat rechnen, zweiseitig, mit gepoolter Varianz und ohne Korrektur, käme p = 0,044 heraus, und der Unterschied hieße «signifikant». Daran sieht man, warum die Korrektur nötig ist: Jeder weitere Test bringt eine neue Chance auf einen Zufallstreffer.
Was, wenn mehrere Faktoren wirken?
Bisher hatten wir nur einen Faktor. Oft wirken aber mehrere zugleich, etwa der Kanal und die Art des Anliegens. Dann fragt die zweifaktorielle Varianzanalyse, wie viel Streuung jeder Faktor für sich erklärt und ob die Wirkung des einen Faktors von der Stufe des anderen abhängt. Das nennt man Wechselwirkung, zum Beispiel wenn der Chat bei einfachen Anliegen gut ankommt, bei schwierigen aber nicht. Die Idee bleibt dieselbe: Die Streuung wird zerlegt, diesmal in mehr Teile.
So berichten Sie das Ergebnis
In der Praxis rechnet ein Programm, etwa SPSS, jamovi oder R. Es gibt eine ANOVA-Tabelle aus, und in der Zeile für die Gruppen (oft «zwischen den Gruppen» oder mit dem Namen des Faktors) stehen Quadratsumme, df, mittleres Quadrat, F und der p-Wert, je nach Programm als «p» oder «Sig.» beschriftet. Für unsere Zahlen steht dort p = 0,003. η2 können Sie aus derselben Tabelle selbst ausrechnen: die Quadratsumme zwischen den Gruppen geteilt durch die Quadratsumme gesamt, hier 40 / 64 = 0,625. Viele Programme geben η2 auch direkt aus, manche als «partielles Eta-Quadrat». Bei nur einem Faktor ist es dasselbe wie η2.
So schreiben Sie es auf. Zum Ergebnis gehören der F-Wert mit beiden Freiheitsgraden, der p-Wert und die Effektgröße, dazu die Mittelwerte der Gruppen mit ihren Standardabweichungen. Für unser Beispiel: «Die mittlere Zufriedenheit unterschied sich signifikant zwischen den Kontaktkanälen, F(2, 12) = 10,0; p = 0,003; η2 = 0,63. Telefon M = 9, SD = 1,0; Chat M = 7, SD = 1,58; E-Mail M = 5, SD = 1,58.» M steht für den Mittelwert, SD für die Standardabweichung, η2 = 0,63 ist das auf zwei Stellen gerundete 0,625. In deutschsprachigen Arbeiten ist das Dezimalkomma wie hier üblich. Verlangt Ihre Hochschule den APA-Stil, steht dort oft ein Punkt ohne führende Null, also p = .003. Was gilt, steht in den Vorgaben Ihres Instituts. Haben Sie Post-hoc-Tests gerechnet, nennen Sie auch, welche Paare sich unterscheiden, hier: «Nach Tukey unterschied sich nur Telefon signifikant von E-Mail, p = 0,002.»
So lesen Sie es. p = 0,003 heißt: Gäbe es in der Grundgesamtheit keinen Unterschied zwischen den Kanälen, bekäme man einen F-Wert von 10,0 oder größer nur in etwa 3 von 1.000 Stichproben. Wie wahrscheinlich H0 ist, sagt p nicht, und bewiesen ist mit der Ablehnung von H0 nichts. Ein nicht signifikantes Paar wie Telefon gegen Chat heißt nicht «kein Unterschied». Für einen Schluss auf die Ursache braucht es ein passendes Studiendesign, am verlässlichsten eine zufällige Zuteilung zu den Kanälen. Dieser Vergleich allein reicht dafür nicht. Mehr dazu im Beitrag Hypothesentests verstehen.
Mit QUESTIONSTAR müssen Sie das nicht von Hand rechnen: Über die MCP-Anbindung kann ein KI-Assistent die Antworten Ihrer Umfrage abrufen und die Varianzanalyse für Sie rechnen.
Was Sie fragen sollten, wenn andere für Sie rechnen
Oft rechnet nicht die Person, die entscheiden muss, sondern eine Agentur, ein Institut oder eine Kollegin aus dem Controlling. Steht im Bericht «Die Zufriedenheit unterscheidet sich signifikant nach Kanal», helfen diese fünf Fragen beim Einordnen:
- Wie viele Antworten stecken in jeder Gruppe? Bei wenigen Antworten je Kanal ist schon ein deutlicher Unterschied unsicher, bei sehr vielen wird auch ein winziger signifikant.
- Wie groß ist der Unterschied? Fragen Sie nach den Mittelwerten mit Standardabweichungen und nach η2. Signifikant heißt nicht wichtig.
- Welche Gruppen unterscheiden sich genau? Ein signifikanter F-Test sagt nur, dass nicht alle gleich sind. Welche Paare sich unterscheiden, zeigen Paarvergleiche.
- Wurden andere Unterschiede zwischen den Gruppen bedacht? Melden sich über E-Mail vor allem Menschen mit schwierigen Anliegen, liegt der Unterschied vielleicht am Anliegen und nicht am Kanal.
- Wer hat geantwortet? Haben nur manche der angeschriebenen Kundinnen und Kunden geantwortet, gilt das Ergebnis zunächst für sie.
Häufige Fragen zur Varianzanalyse
Was ist eine einfaktorielle Varianzanalyse, einfach erklärt?
Sie prüft, ob sich die Mittelwerte mehrerer Gruppen, die ein einziges kategoriales Merkmal bildet, so stark unterscheiden, dass Zufall allein das schlecht erklärt. Dazu vergleicht sie die Streuung zwischen den Gruppen mit der Streuung innerhalb der Gruppen. Das Verhältnis, beide durch ihre Freiheitsgrade geteilt, ist der F-Wert.
Was bedeutet der F-Wert?
F ist das Verhältnis der mittleren Quadratsumme zwischen den Gruppen zur mittleren Quadratsumme innerhalb der Gruppen, MSB / MSW. Im Beispiel ist F = 10,0, die mittlere Quadratsumme zwischen den Kanälen ist zehnmal so groß. Große Werte sprechen gegen gleiche Mittelwerte. Ob das signifikant ist, zeigt der Vergleich mit dem kritischen Wert der F-Verteilung für die passenden Freiheitsgrade und das gewählte Signifikanzniveau, im Beispiel 3,89.
Was sagt Eta-Quadrat (η²)?
η2 ist der Anteil der erklärten Streuung an der Gesamtstreuung, also SSB / SST. Er liegt zwischen 0 und 1. Im Beispiel ist η2 = 0,625: Der Kontaktkanal erklärt 62,5 % der Streuung in der Zufriedenheit. Signifikanz und Stärke sind zwei verschiedene Fragen, deshalb gehört η2 immer dazu. Ab wann ein Wert als klein oder groß gilt, legt jedes Fach nach eigener Tradition fest, nach Cohen etwa ab 0,14 als groß (Cohen 1988, S. 281 und 285).
Beweist ein signifikantes Ergebnis, dass der Kanal die Zufriedenheit bestimmt?
Nein. Ein signifikantes F heißt: Die Daten sprechen gegen die Nullhypothese, dass alle Gruppenmittelwerte gleich sind. Bewiesen ist damit kein Unterschied, und schon gar nicht seine Ursache. Für einen Schluss auf die Ursache braucht es ein passendes Studiendesign. Am verlässlichsten ist eine zufällige Zuteilung zu den Gruppen.
Was ist der Unterschied zwischen Varianzanalyse und t-Test?
Der t-Test vergleicht die Mittelwerte von zwei Gruppen. Die Varianzanalyse prüft, ob sich die Mittelwerte eines Faktors mit beliebig vielen Stufen unterscheiden, und misst mit η2 zugleich die Stärke des Zusammenhangs. Wie man den t-Test rechnet, zeigt der Beitrag Der t-Test. Welcher Test zu Ihren Daten passt, klärt der Wegweiser Welcher statistische Test passt?.
Warum nicht einfach mehrere t-Tests?
Bei drei Gruppen bräuchten Sie drei t-Tests, bei fünf Gruppen schon zehn. Jeder Test hat bei 5 % sein eigenes Risiko, einen Unterschied zu finden, den es nicht gibt, und das Risiko, mindestens einmal so danebenzuliegen, wächst mit jedem Test. Bei drei voneinander unabhängigen Tests läge es schon bei 1 − 0,95³ ≈ 14,3 %. Die Varianzanalyse prüft alle Gruppen mit einem einzigen Test auf dem gewählten Niveau. Welche Paare sich unterscheiden, zeigen danach korrigierte Post-hoc-Tests wie der Tukey-Test. Meist schaut man erst nach einem signifikanten F-Test hin, der Tukey-Test setzt ihn aber nicht voraus.
Was nehme ich, wenn meine Daten nicht metrisch sind?
Lassen sich Ihre Daten zumindest in eine Reihenfolge bringen, sind sie also mindestens ordinal, und sind die Gruppen unabhängig, kommt der Kruskal-Wallis-Test infrage. Er vergleicht nicht Mittelwerte, sondern die Ränge der Werte, und kommt ohne gleiche Abstände zwischen den Stufen aus. Für rein nominale Daten wie Farben oder Marken eignet er sich nicht. Für unsere Zahlen ergibt er mit Korrektur für gleiche Ränge H(2) = 8,98, der näherungsweise berechnete p-Wert ist 0,011. Das ist dieselbe Entscheidung, nur zu einer etwas anderen Frage: Verglichen werden Ränge, nicht Mittelwerte. Mehr im Wegweiser Welcher statistische Test passt?.
Quellen
Backhaus, K., Erichson, B., Plinke, W. und Weiber, R. (2018). Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. 15. Auflage. Berlin: Springer Gabler. DOI 10.1007/978-3-662-56655-8. Kapitel 4, Varianzanalyse, S. 163-201. Die Vorlesung, auf die dieser Beitrag zurückgeht, folgt dem Aufbau dieses Lehrbuchs: Modell, Zerlegung der Streuung, Signifikanzprüfung und Eta-Quadrat. Das Rechenbeispiel dieses Beitrags ist eigens ausgedacht.
Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Hillsdale, NJ: Lawrence Erlbaum Associates. Kapitel 8, S. 281 (η² aus der Effektgröße f, Gleichung 8.2.19) und S. 285 (kleine, mittlere und große f-Werte 0,10, 0,25 und 0,40 als Konvention für den Fall fehlender Erfahrung im Forschungsgebiet).
Ferguson, C. J. (2009). An Effect Size Primer: A Guide for Clinicians and Researchers. Professional Psychology: Research and Practice, 40(5), 532-538. DOI 10.1037/a0015808. S. 533, Tabelle 1 (quadrierte Zusammenhangsmaße r², R², η²: 0,04 Mindestwert für praktische Bedeutung, 0,25 mittlerer, 0,64 starker Effekt).
NIST/SEMATECH (o. J.). e-Handbook of Statistical Methods, Abschnitt 7.4.3 „Are the means equal?“ mit den Unterabschnitten 7.4.3.1 „One-way ANOVA overview“ bis 7.4.3.4 „1-Way ANOVA calculations“. National Institute of Standards and Technology, itl.nist.gov, abgerufen am 15.11.2026. Darin: Modell, Zerlegung der Quadratsummen, ANOVA-Tabelle und F-Test der einfaktoriellen Varianzanalyse.
Übrigens, das hier ist verwandt:
- Welcher statistische Test passt? Übersicht mit Beispielen
- Der t-Test: Mittelwerte methodisch sauber vergleichen
- p-Wert und Signifikanz: einfach erklärt, richtig gedeutet
Dr. Paul Marx
Autor: Dr. Paul Marx
Dr. Paul Marx ist Gründer und Geschäftsführer von QUESTIONSTAR und war Professor für Marketing an der Universität Siegen.
