gepaarter t-Test

Gepaarter t-Test in SPSS

Der gepaarte t-Test ist einer der einfachsten statistischen Tests. Er wird angewendet, wenn wir genau zwei Messungen haben und diese unabhängig voneinander sind. Dies ist beispielsweise der Fall, wenn für dieselbe Versuchsperson zu zwei verschiedenen Zeitpunkten oder Bedingungen dieselbe unabhängige Variable erhoben wird. Der gepaarte t-Test kann aber auch angewendet werden, wenn beispielsweise Versuchsteilnehmer zu gewissen Eigenschaften gematcht wurden (z.B. Alter, Geschlecht, Persönlichkeitseigenschaften, …). Aus diesem Grund wird der gepaarte t-Test auch oft abhängiger t-Test genannt, da die Stichproben nicht unabhängig voneinander sind.

Einsatzbeispiele

Mit dem gepaarten t-Test könnten wir beispielsweise untersuchen, inwieweit eine Intervention zur Reduzierung des Nikotinkonsums erfolgreich ist. Dazu messen wir die Anzahl wöchentlich gerauchter Zigaretten vor der Intervention und danach. Damit wäre unsere abhängige Variable die wöchentliche Anzahl gerauchter Zigaretten und unsere unabhängige Variable der Messzeitpunkt (vor der Intervention bzw. danach). Mit dem gepaarten t-Test können wir untersuchen, ob es eine Veränderung der mittleren wöchentlichen Anzahl gerauchter Zigaretten gab.

Themenüberblick

Im ersten Teil werden wir weitere Beispiele über mögliche Anwendungen des gepaarten t-Tests geben. In dem Abschnitt Daten zeigen wir, wie die Daten aufbereitet sein müssen, damit wir damit einen gepaarten t-Test berechnen können. Hier findet sich auch zusätzlich ein Beispieldatensatz, den wir für alle Berechnungen verwenden werden.

Sobald wir die Daten bereit haben, überprüfen wir, ob alle Vorraussetzungen des gepaarten t-Tests erfüllt sind. Bei Verletzungen einzelner Vorraussetzungen existieren auch teilweise Korrekturen und Maßnahmen, die wir ebenfalls dort besprechen. Danach kann die eigentliche Datenanalyse beginnen. Jeden einzelnen Schritt zur Durchführung des gepaarten t-Tests besprechen wir mit Screenshots.

Zu guter Letzt müssen die Ergebnisse unserer Datenauswertung noch interpretiert und verschriftlicht werden. Dies tun wir im letzten Teil. Die Interpretation und Verschriftlichung der Daten hängt davon ab, ob Voraussetzungen verletzt wurden. Entsprechende Musterformulierungen in deutscher und englischer Sprache stehen zur Verfügung. Zusätzlich gehen wir noch auf die entsprechenden Effektstärken (Cohen’s d) ein und zeigen, wie diese mit unserem Tool einfach berechnet werden können.