Wenn du zwei unabhängige Gruppen vergleichst, ist der Welch-Test in den meisten psychologischen Studien die bessere Standardwahl. Der klassische Student-t-Test verlangt gleiche Varianzen in beiden Populationen, der Welch-Test nicht, und er verliert fast nichts, wenn die Varianzen doch gleich sind. Den Student-Test brauchst du heute vor allem dann, wenn deine Lehrveranstaltung ihn ausdrücklich verlangt oder die Gleichheit der Varianzen inhaltlich gut begründet ist. Unten rechnen wir beide Varianten an einem Datensatz durch, damit du siehst, wann der Unterschied zählt.
Was unterscheidet den Welch-Test vom klassischen t-Test?
Beide Tests vergleichen zwei Mittelwerte und teilen ihre Differenz durch einen Standardfehler. Der Unterschied steckt allein im Nenner und in den Freiheitsgraden.
Der Student-Test schätzt eine gemeinsame Varianz für beide Gruppen. Er gewichtet die Gruppenvarianzen dabei nach ihren Freiheitsgraden:
sp² = [(n1 − 1) · s1² + (n2 − 1) · s2²] / (n1 + n2 − 2)
SE = √[sp² · (1/n1 + 1/n2)], df = n1 + n2 − 2
Der Welch-Test lässt jede Gruppe ihre eigene Varianz behalten. Für den Standardfehler addierst du die beiden Varianzanteile und ziehst dann die Wurzel:
SE = √(s1²/n1 + s2²/n2)
Die Freiheitsgrade schätzt du mit der Welch-Satterthwaite-Formel. Mit a = s1²/n1 und b = s2²/n2 gilt df = (a + b)² / [a²/(n1 − 1) + b²/(n2 − 1)]. Das Ergebnis liegt immer zwischen der kleineren Gruppengröße minus eins und n1 + n2 − 2.
Wie rechnest du den Welch-Test Schritt für Schritt?
Ein konstruiertes Beispiel: Acht Studierende lernen Fachbegriffe mit einer Karteikarten-App (Gruppe A), zwölf mit dem Lehrbuch (Gruppe B). Danach schreiben alle denselben Test mit maximal 30 Punkten. In der App-Gruppe gibt es einige sehr gute und einige schwache Ergebnisse, die Lehrbuchgruppe liegt eng beieinander.
| Gruppe | n | M | s | s² | s²/n |
|---|---|---|---|---|---|
| A: App | 8 | 21,00 | 6,46 | 41,71 | 5,214 |
| B: Lehrbuch | 12 | 16,17 | 1,27 | 1,61 | 0,134 |
Schritt 1, Differenz: MA − MB = 21,00 − 16,17 = 4,83 Punkte.
Schritt 2, Standardfehler: SE = √(5,214 + 0,134) = √5,348 = 2,31. Fast die gesamte Unsicherheit stammt aus Gruppe A.
Schritt 3, Teststatistik: t = 4,83 / 2,31 = 2,09.
Schritt 4, Freiheitsgrade: df = 5,348² / (5,214²/7 + 0,134²/11) = 28,60 / 3,885 = 7,36. Das ist knapp über dem Minimum von 7, weil die kleine Gruppe die Unsicherheit bestimmt.
Schritt 5, Entscheidung und Intervall: Bei df = 7,36 liegt der zweiseitige p-Wert bei 0,073. Das 95-%-Intervall reicht von −0,58 bis 10,25 Punkten. Die Null liegt darin, ein Unterschied ist bei α = 0,05 nicht nachgewiesen.
Rechnest du denselben Datensatz mit gepoolter Varianz, sieht das Bild anders aus:
| Kennwert | Student-t-Test | Welch-t-Test |
|---|---|---|
| Varianzschätzung | gemeinsam: sp² = 17,20 | getrennt: 41,71 und 1,61 |
| Standardfehler | 1,89 | 2,31 |
| t | 2,55 | 2,09 |
| df | 18 | 7,36 |
| p (zweiseitig) | 0,020 | 0,073 |
| 95-%-Intervall | 0,86 bis 8,81 | −0,58 bis 10,25 |
Der Student-Test meldet ein signifikantes Ergebnis, der Welch-Test nicht. Der Grund: Die gepoolte Varianz von 17,20 liegt weit unter der Varianz der App-Gruppe von 41,71, weil die zwölf Lehrbuchwerte mit ihrem größeren Gewicht die Schätzung nach unten ziehen. Für den Mittelwert der App-Gruppe wird die Unsicherheit damit unterschätzt. Zusätzlich rechnet der Student-Test mit 18 Freiheitsgraden, obwohl die Information über die entscheidende Varianz aus nur acht Personen stammt.
Wichtig ist die Kombination: Problematisch wird es, wenn die kleinere Gruppe die größere Varianz hat. Dann wird der Student-Test zu liberal. Liegt die große Varianz in der großen Gruppe, wird er zu konservativ. Bei gleich großen Gruppen fallen beide Tests meist sehr ähnlich aus.
Wenn du die Testwahl an vielen kleinen Fällen üben willst, hilft dir das Studienheft Welcher t-Test passt zu meiner Studie?. Es führt in 15 Lernstationen vom Einstichproben-Test über gepaarte Daten bis zum Welch-Test, jeweils mit durchgerechnetem Beispiel, einem Rechenexperiment, einer neuen Fallaufgabe und einer kommentierten Prüfungsfrage. Am Ende stehen eine Rechenkarte und R-Code zum Nachrechnen.
Solltest du vorher einen Levene-Test rechnen?
Viele Skripte empfehlen noch den Weg „erst Levene-Test, dann je nach Ergebnis Student oder Welch“. Dieses zweistufige Vorgehen hat zwei Schwächen. Erstens hat der Levene-Test in kleinen Stichproben wenig Teststärke. Er übersieht deutliche Varianzunterschiede gerade dann, wenn sie dem Student-Test am meisten schaden. Zweitens beweist ein nicht signifikanter Levene-Test keine gleichen Varianzen. Er zeigt nur, dass die Daten keinen Unterschied nachweisen konnten.
Dazu kommt ein methodisches Problem: Wenn das Ergebnis eines Vortests bestimmt, welcher Haupttest gerechnet wird, stimmen die nominalen Fehlerwahrscheinlichkeiten des Haupttests nicht mehr genau. Delacre, Lakens und Leys (2017) haben deshalb vorgeschlagen, den Welch-Test von vornherein als Standard zu verwenden. Leg die Wahl vor der Auswertung fest und schreib sie in den Methodenteil oder die Präregistrierung.
Wenn deine Klausur trotzdem den Levene-Test abfragt, lerne ihn. Rechne ihn dann als Beschreibung der Daten und nicht als Weiche für deine inhaltliche Schlussfolgerung.
Wann ist der Welch-Test nicht die richtige Wahl?
Welch löst genau ein Problem, nämlich ungleiche Varianzen bei unabhängigen Gruppen. Andere Probleme bleiben bestehen:
- Verbundene Messungen: Wenn dieselben Personen zweimal gemessen werden, rechnest du einen gepaarten t-Test über die Differenzen. Welch würde die Abhängigkeit ignorieren.
- Geclusterte Daten: Werden ganze Seminare oder Schulklassen einer Bedingung zugeteilt, sind die Einzelpersonen nicht unabhängig. Dann ist das Seminar die Analyseeinheit oder du brauchst ein Mehrebenenmodell.
- Sehr kleine, stark schiefe Gruppen: Der Welch-Test setzt wie jeder t-Test annähernd normalverteilte Mittelwerte voraus. Bei wenigen, stark schiefen Werten kommen robuste oder nichtparametrische Verfahren infrage.
- Mehr als zwei Gruppen: Hier wäre die Welch-ANOVA das passende Gegenstück.
Die Entscheidung beginnt also bei der Frage, wie die Daten entstanden sind. Erst wenn feststeht, dass zwei getrennte Gruppen mit je einem Wert pro Person vorliegen, stellt sich die Frage Student oder Welch.
Übungsfrage im Klausurstil
In einer Studie hat Gruppe A 10 Personen und eine Standardabweichung von 12 Punkten, Gruppe B hat 40 Personen und eine Standardabweichung von 3 Punkten. Der klassische t-Test mit gepoolter Varianz ergibt p = 0,03, der Welch-Test p = 0,09. Welche Aussage trifft zu?
- ADer klassische Test ist vorzuziehen, weil er mehr Freiheitsgrade und damit mehr Teststärke hat.
- BDer Welch-Test ist hier vertrauenswürdiger, weil die gepoolte Varianz die Unsicherheit des Mittelwerts von Gruppe A unterschätzt.
- CMan sollte zuerst einen Levene-Test rechnen und nur bei signifikantem Ergebnis Welch berichten.
- DBeide p-Werte sind gleichwertig, man darf den kleineren berichten.
- EBei so unterschiedlichen Gruppengrößen ist ein gepaarter t-Test angemessen.
Lösung zeigen
Wie berichtest du einen Welch-Test im Ergebnisteil?
Nenne die Richtung der Differenz, die Gruppenkennwerte, die Teststatistik mit den gebrochenen Freiheitsgraden, den p-Wert und das Intervall. Für unser Beispiel könnte der Satz so lauten:
Die App-Gruppe erreichte im Mittel 21,00 Punkte (SD = 6,46), die Lehrbuchgruppe 16,17 Punkte (SD = 1,27). Der Welch-t-Test ergab keinen signifikanten Unterschied, t(7,36) = 2,09, p = 0,073, 95-%-KI [−0,58; 10,25].
Ergänze im Methodenteil einen Satz wie „Gruppenunterschiede wurden mit dem Welch-t-Test geprüft, der keine gleichen Varianzen voraussetzt.“ Ob du Dezimalkomma oder Dezimalpunkt verwendest und wie du den p-Wert schreibst, richtet sich nach den Vorgaben deines Instituts. Eine Effektstärke wie Cohens d gehört ebenfalls dazu. Gib dann an, welche Standardabweichung du als Nenner verwendet hast, denn bei ungleichen Varianzen gibt es dafür mehrere Möglichkeiten.
Weiterlernen
- Studienhefte Statistik und Methoden im Überblick
- t-Test berechnen: unabhängig und abhängig
- Voraussetzungen prüfen: Normalverteilung und Varianzhomogenität
Passendes Material
Häufige Fragen
Ist der Welch-Test ein nichtparametrisches Verfahren?
Nein. Der Welch-Test ist ein parametrischer t-Test. Er verzichtet nur auf die Annahme gleicher Varianzen, setzt aber weiterhin unabhängige Beobachtungen und bei kleinen Gruppen annähernd normalverteilte Werte voraus.
Warum hat der Welch-Test Freiheitsgrade mit Nachkommastellen?
Die Freiheitsgrade werden mit der Welch-Satterthwaite-Näherung aus den beiden Varianzanteilen geschätzt. Dabei kommt fast nie eine ganze Zahl heraus. Du berichtest den Wert gerundet auf zwei Stellen, zum Beispiel t(7,36).
Wo finde ich den Welch-Test in SPSS und R?
In SPSS steht er im Output des t-Tests für unabhängige Stichproben in der Zeile „Varianzen sind nicht gleich“. In R rechnet t.test für zwei Gruppen ohne weitere Angabe bereits den Welch-Test, weil var.equal standardmäßig FALSE ist.
Verliere ich Teststärke, wenn ich Welch nehme, obwohl die Varianzen gleich sind?
Kaum. Bei gleichen Varianzen und ähnlich großen Gruppen liefern beide Tests nahezu dieselben Ergebnisse. Der kleine Verlust an Freiheitsgraden fällt praktisch nicht ins Gewicht, der Schutz bei ungleichen Varianzen dagegen schon.
Gilt das auch für mehr als zwei Gruppen?
Das Prinzip ja. Für mehrere unabhängige Gruppen mit ungleichen Varianzen gibt es die Welch-ANOVA, die ebenfalls ohne gemeinsame Varianzschätzung auskommt. Für Paarvergleiche danach eignen sich Verfahren wie Games-Howell.
Stand: November 2026. Psychologie Helden ist ein unabhängiges Lernangebot und mit keiner Hochschule verbunden. Verbindlich sind die Studien- und Prüfungsordnung deines Studiengangs und die Vorgaben deiner Lehrenden.