Kurz zusammengefasst
- Ein nicht signifikanter Befund beweist nicht automatisch, dass kein Effekt existiert.
- Berichte Schätzung, Unsicherheit und Stichprobe unabhängig vom p-Wert.
- Ändere Analyse und Hypothese nicht nachträglich ohne Kennzeichnung.
Was sagt das Ergebnis tatsächlich?
Wenn ein Test einen gewählten Signifikanzschwellenwert nicht unterschreitet, wurde mit diesem Verfahren keine hinreichende Evidenz gegen die getestete Nullhypothese gefunden. Daraus folgt nicht logisch, dass der wahre Unterschied exakt null ist. Auch die Datenqualität und die Präzision der Schätzung sind für die Deutung relevant.
Die American Statistical Association warnt vor einer Interpretation, die sich nur auf einen Grenzwert stützt. Berichte deshalb die geplante Analyse und ihre Ergebnisse vollständig, auch wenn sie nicht die erwartete Richtung oder Schwelle erreichen.
Eigenes Beispiel mit zwei möglichen Befunden
Angenommen, eine erfundene Studie schätzt einen Gruppenunterschied von zwei Punkten. Ein breites 95-Prozent-Konfidenzintervall von minus vier bis plus acht Punkten lässt sowohl einen negativen als auch einen positiven Unterschied zu. „Es gibt keinen Unterschied“ wäre hier deutlich stärker als die Daten erlauben.
Ein enges Intervall von minus 0,2 bis plus 0,2 Punkten würde eine andere Unsicherheit anzeigen. Ob diese Größen praktisch unbedeutend sind, hängt von der Skala und einer vorher begründeten relevanten Grenze ab. Auch hier beweist ein gewöhnlicher nicht signifikanter Test allein keine formale Gleichwertigkeit.
Geplante und ergänzende Analysen trennen
Prüfe zuerst, ob Datenbereinigung, Kodierung und Modell korrekt umgesetzt wurden. Korrigiere nachvollziehbare Fehler unabhängig davon, ob die Änderung das Ergebnis „verbessert“. Suche nicht nach immer neuen Untergruppen oder Grenzwerten, bis zufällig ein kleiner p-Wert erscheint.
Ergänzende Analysen können hilfreich sein, wenn sie fachlich begründet und als nachträglich kenntlich gemacht sind. Erkläre, welche Frage sie beantworten und wie viele Entscheidungen du getroffen hast. Eine nachträgliche Deutung darf nicht als vorab festgelegte Hypothese erscheinen.
Prüfe auch die Fallzahl, fehlende Werte und geeignete Effektmaße. Begrenzte Präzision kann aus kleinen oder unvollständigen Daten entstehen. Sie lässt sich im Bericht nicht durch eine stärkere Formulierung beheben.
Ergebnis und Diskussion auseinanderhalten
Im Ergebnisteil berichtest du Test, Schätzung, Intervall, p-Wert sofern vorgesehen und relevante Fallzahlen. In der Diskussion erklärst du, welche Interpretationen zur Unsicherheit und bisherigen Forschung passen. Auch unerwartete Befunde können wissenschaftlich aufschlussreich sein, wenn du ihre Grenzen offenlegst.
Eine sachliche Formulierung für das erfundene breite Intervall lautet: „Die Analyse liefert keine präzise Schätzung des Unterschieds; die Daten sind sowohl mit negativen als auch positiven Werten vereinbar.“ Benenne dabei die konkrete Skala und deine Studiensituation.
Einordnung für die finale Abgabe
Viele formale Themen wirken zunächst wie reine Schreibarbeit. Für die gedruckte Abgabe sind sie aber genauso wichtig: Was im Dokument fehlt, falsch platziert ist oder uneinheitlich formatiert wurde, erscheint später auch in der gebundenen Fassung.
Nutze den Beitrag deshalb nicht isoliert, sondern prüfe ihn zusammen mit Deckblatt, Inhaltsverzeichnis, Seitenzahlen, Quellenangaben und Anhang. Erst wenn die Datei vollständig ist, sollte sie als finale PDF für Druck und Bindung vorbereitet werden.
Praktische Kontrolle vor dem PDF-Export
- Stimmen Überschriften, Kapitelstruktur und Seitenzahlen?
- Sind Quellen, Abbildungen und Tabellen vollständig eingebunden?
- Sind Pflichtbestandteile wie Erklärung, Anhang oder Deckblatt enthalten, falls gefordert?
- Wurde die finale PDF-Datei nach dem Export noch einmal geöffnet und geprüft?
Checkliste
- Geplante Analyse wurde vollständig berichtet.
- Schätzung und Unsicherheit sind sichtbar.
- Fallzahl und Datenprobleme sind geprüft.
- Zusatzanalysen sind erkennbar gekennzeichnet.
- Die Schlussfolgerung folgt aus der Präzision der Daten.
Typische Fehler
- Nicht signifikant als bewiesene Gleichheit bezeichnen.
- Nur günstige Untergruppen berichten.
- Die ursprüngliche Hypothese rückwirkend umformulieren.
Deine fertige Arbeit drucken und binden
Wenn Inhalt und finale PDF geprüft sind, kannst du die Druckausführung passend zu deinen Abgabevorgaben konfigurieren.
Druck und Bindung konfigurierenWeiterführende Inhalte
Vertiefe passende Themen zu Aufbau, Quellenarbeit, Formatierung und Abgabe deiner wissenschaftlichen Arbeit.
Häufige Fragen
Ist ein nicht signifikantes Ergebnis wertlos?
Nein. Es kann Grenzen einer Erwartung zeigen oder zur Planung weiterer Untersuchungen beitragen. Wie viel es aussagt, hängt besonders von Design, Präzision und Datenqualität ab.
Darf ich schreiben, dass die Hypothese verworfen wurde?
Achte auf die genaue Testlogik und deine Fachkonventionen. Ein nicht signifikanter Test stützt nicht einfach das Gegenteil der ursprünglichen Erwartung. Beschreibe besser, welche Evidenz die Daten liefern und welche offenbleibt.
Wann kann ich Gleichwertigkeit behaupten?
Dafür brauchst du eine passende Fragestellung, eine vorab begründete relevante Grenze und ein geeignetes Prüfverfahren. Das Ausbleiben statistischer Signifikanz in einem gewöhnlichen Unterschiedstest genügt nicht.