Statistik im Psychologie-Bachelor: Grundbegriffe verständlich erklärt

Statistik im Psychologie-Bachelor besteht aus zwei Bausteinen: Statistik I beschreibt Daten (Skalenniveaus, Lage- und Streuungsmaße, Zusammenhänge), Statistik II schließt von der Stichprobe auf die Population (Testlogik, Signifikanz, Varianzanalyse, Regression). Wer die Brücke zwischen beiden versteht – die Stichprobenverteilung –, hat den schwierigsten Teil des Fachs hinter sich.

Skalenniveau: die Entscheidung vor jeder Rechnung

Das Skalenniveau legt fest, welche Rechenoperationen zulässig sind. Es ist der häufigste Grund für falsche Auswertungen in Hausarbeiten und der Klassiker in der Klausur.

Merksatz: Ein Mittelwert setzt mindestens Intervallskalenniveau voraus. Likert-Items sind streng genommen ordinal; in der Praxis werden Summenscores aus mehreren Items als intervallskaliert behandelt – das solltest du in einer Klausur begründen können, statt es stillschweigend zu tun.

Streuung ist wichtiger als der Mittelwert

Zwei Stichproben mit demselben Mittelwert können völlig verschieden sein. Die Standardabweichung beschreibt die durchschnittliche Abweichung vom Mittelwert, die Varianz ist ihr Quadrat. Wichtig ist der Nenner: Für die Stichprobenvarianz als Schätzer der Populationsvarianz teilst du durch n minus 1, nicht durch n. Diese eine Korrektur (Bessel-Korrektur) macht den Schätzer erwartungstreu und wird regelmäßig abgefragt.

Aus Mittelwert und Standardabweichung entsteht der z-Wert: z gleich (x minus Mittelwert) geteilt durch die Standardabweichung. Er sagt, wie viele Standardabweichungen ein Wert vom Mittel entfernt liegt. In einer Normalverteilung liegen etwa 68 Prozent der Werte zwischen z gleich minus 1 und plus 1, rund 95 Prozent zwischen minus 1,96 und plus 1,96.

Die Brücke: Stichprobenverteilung und Standardfehler

Der zentrale Gedanke der Inferenzstatistik: Nicht der Einzelwert streut, sondern der Mittelwert streut, wenn man die Studie viele Male wiederholt. Die Verteilung dieser Mittelwerte heißt Stichprobenverteilung, ihre Streuung heißt Standardfehler. Er wird kleiner, je größer die Stichprobe ist – und zwar mit der Wurzel aus n. Vervierfachst du die Stichprobe, halbiert sich der Standardfehler. Das erklärt, warum große Stichproben auch winzige Effekte signifikant machen.

Testlogik in fünf Schritten

1. Hypothesen aufstellen. Die Nullhypothese behauptet keinen Effekt, die Alternativhypothese den erwarteten Effekt. Gerichtet oder ungerichtet wird vorher festgelegt, nicht nach dem Blick in die Daten.
2. Signifikanzniveau festlegen. Konventionell Alpha gleich 0,05: die akzeptierte Wahrscheinlichkeit, eine wahre Nullhypothese zu verwerfen (Fehler erster Art).
3. Prüfgröße berechnen. t-, F- oder Chi-Quadrat-Wert, je nach Fragestellung und Skalenniveau.
4. p-Wert bestimmen. Die Wahrscheinlichkeit, ein mindestens so extremes Ergebnis zu erhalten, wenn die Nullhypothese gilt.
5. Effektstärke berichten. Signifikanz allein sagt nichts über die Größe des Effekts. Cohens d wird konventionell ab 0,20 als kleiner, ab 0,50 als mittlerer und ab 0,80 als großer Effekt interpretiert.

Die drei häufigsten Denkfehler

• Der p-Wert ist nicht die Wahrscheinlichkeit, dass die Nullhypothese stimmt. Er ist eine bedingte Wahrscheinlichkeit unter Annahme der Nullhypothese. Diese Umkehrung ist der meistgemachte Fehler im ganzen Fach.
• Nicht signifikant heißt nicht „kein Effekt“. Es heißt: Die Daten reichen nicht aus, um die Nullhypothese zu verwerfen. Der Fehler zweiter Art (Beta) und die Teststärke (1 minus Beta) gehören deshalb in jede Diskussion.
• Korrelation ist keine Kausalität. Und ein Korrelationskoeffizient von 0 bedeutet nur, dass kein linearer Zusammenhang besteht.

Wie du das Fach aufbaust

Rechne jede Formel einmal von Hand an einem Miniaturdatensatz mit fünf Werten durch, bevor du sie in einer Software anwendest. Wer den t-Wert einmal per Hand berechnet hat, versteht danach jede Ausgabe. Der Kurs Statistik im Psychologie-Bachelor lernen führt Statistik I und II in dieser Reihenfolge zusammen. Für die Studiendesigns hinter den Rechnungen greifst du zu Empirische Forschungsmethoden, für Reliabilität und Validität zu Testtheorie und Psychologische Diagnostik. Alle Bachelor-Fächer gebündelt findest du im Komplettpaket Psychologie-Bachelor.

Wie du daraus einen belastbaren Zeitplan machst, steht im Beitrag Statistik-Klausur im Psychologie-Bachelor: 6-Wochen-Lernplan. Grundlagen des Lernens selbst behandelt Effektiv lernen im Psychologie-Studium. Wenn du Grundrechenarten, Bruch- und Prozentrechnung erst wieder auffrischen musst, findest du passendes Übungsmaterial für Schule und Ausbildung bei Stifo.

Häufige Fragen

Was bedeutet ein p-Wert von 0,03 genau?

Er bedeutet: Wenn die Nullhypothese zuträfe, läge die Wahrscheinlichkeit bei 3 Prozent, ein mindestens so extremes Ergebnis zu beobachten. Er sagt nichts darüber, wie wahrscheinlich die Nullhypothese selbst ist, und nichts über die Größe des Effekts.

Wann teile ich durch n und wann durch n minus 1?

Durch n teilst du, wenn du die Streuung der vorliegenden Daten rein beschreibend angibst. Durch n minus 1 teilst du, wenn du die Populationsvarianz aus einer Stichprobe schätzt. Im Bachelor ist der zweite Fall der Regelfall.

Brauche ich gute Mathekenntnisse für Statistik im Psychologiestudium?

Solide Schulmathematik reicht: Bruch-, Prozent- und Wurzelrechnung, Umstellen von Gleichungen, Lesen von Funktionsgraphen. Wichtiger als Rechenroutine ist das Verständnis der Testlogik und der Frage, welches Verfahren zu welchem Skalenniveau passt.

Warum reicht Signifikanz allein nicht aus?

Weil der p-Wert von der Stichprobengröße abhängt. Bei sehr großen Stichproben werden auch bedeutungslose Unterschiede signifikant. Deshalb berichtest du immer zusätzlich eine Effektstärke und möglichst ein Konfidenzintervall.