Du hast drei Gruppen — drei Studiengänge, drei Altersklassen, drei Bedingungen — und eine metrische Zielgrösse. Der naheliegende Gedanke: einfach drei t-Tests rechnen, jede Gruppe gegen jede. Genau das ist der Fehler, den die einfaktorielle ANOVA verhindert.
Bei drei Paarvergleichen mit je fünf Prozent Irrtumswahrscheinlichkeit liegt die Chance, mindestens einmal fälschlich einen Unterschied zu finden, nicht mehr bei fünf, sondern bei rund vierzehn Prozent. Bei vier Gruppen sind es sechs Vergleiche und rund 26 Prozent. Die Varianzanalyse prüft stattdessen in einem einzigen Test, ob sich überhaupt irgendwo etwas unterscheidet — und erst danach schaust du nach, wo.
Wann die einfaktorielle ANOVA passt
Drei Bedingungen müssen gleichzeitig erfüllt sein:
- Eine abhängige Variable, metrisch (Punktwerte, Zeiten, Beträge, Skalenmittelwerte).
- Eine unabhängige Variable, kategorial, mit drei oder mehr Ausprägungen. Bei genau zwei Gruppen ist der t-Test dasselbe Verfahren in einfacherer Schreibweise — F entspricht dann exakt t².
- Unabhängige Gruppen: jede Person kommt in genau einer Gruppe vor. Misst du dieselben Personen mehrfach, brauchst du eine Varianzanalyse mit Messwiederholung, nicht diese hier.
Zwei kategoriale Merkmale gleichzeitig (etwa Studiengang und Geschlecht) führen zur zweifaktoriellen ANOVA. Sind beide Variablen kategorial und du willst nur Häufigkeiten vergleichen, ist der Chi-Quadrat-Test über die Kreuztabelle das richtige Verfahren.
Die drei Voraussetzungen — und was du tust, wenn eine kippt
Unabhängigkeit der Beobachtungen. Das prüft keine Software, das entscheidet dein Design. Wenn Personen in Gruppen, Klassen oder Betrieben verschachtelt sind, ist die Annahme verletzt und keine Korrektur der Welt repariert das nachträglich.
Normalverteilung. Streng genommen müssen die Residuen normalverteilt sein, nicht die Rohdaten. Bei Gruppengrössen ab etwa 30 ist die ANOVA gegenüber Abweichungen robust; bei kleinen Gruppen schaust du dir das Q-Q-Diagramm der Residuen an, nicht nur den Shapiro-Wilk-Test — der wird bei grossen Stichproben schon bei bedeutungslosen Abweichungen signifikant und bei kleinen Stichproben fast nie.
Varianzhomogenität. Die Streuung soll in allen Gruppen ähnlich sein. Das prüft der Levene-Test, den SPSS mitliefert. Wird er signifikant, ist die klassische ANOVA nicht mehr die richtige Wahl — aber du brauchst deswegen nicht auf ein anderes Verfahren umzusteigen. SPSS bietet unter Optionen die Welch-ANOVA an, die keine gleichen Varianzen voraussetzt und in dieser Situation der Standardausweg ist. Sind zusätzlich die Verteilungen stark schief oder die Gruppen sehr klein, ist der Kruskal-Wallis-Test die nichtparametrische Alternative.
Merke dir die Entscheidungskette: Levene nicht signifikant → klassische ANOVA. Levene signifikant → Welch. Verteilung zusätzlich problematisch → Kruskal-Wallis.
Der Menüweg in SPSS
Es gibt zwei Wege, und der bequemere ist der schlechtere.
Analysieren → Mittelwerte vergleichen → Einfaktorielle ANOVA ist schnell, liefert Levene, Welch und alle Post-hoc-Tests — aber keine Effektstärke.
Analysieren → Allgemeines lineares Modell → Univariat ist einen Klick umständlicher, liefert dafür unter Optionen → Schätzungen der Effektgrösse das partielle Eta-Quadrat direkt mit. Für eine Abschlussarbeit, in der du eine Effektstärke berichten musst, ist das der Weg, den du gehst.
Die Einstellungen, die du wirklich brauchst
- Abhängige Variable: deine metrische Zielgrösse. Faktor beziehungsweise Feste Faktoren: die Gruppenvariable.
- Optionen: deskriptive Statistiken (du brauchst M und SD pro Gruppe für den Ergebnissatz), Homogenitätstest, Schätzungen der Effektgrösse.
- Post-hoc: eine Methode auswählen — welche, steht weiter unten.
- Diagramme: ein Profildiagramm der Mittelwerte. Es kostet nichts und macht die Ergebnisse im Text sofort verständlich.
Die Ausgabe lesen
Die ANOVA-Tabelle hat zwei Zeilen, die zählen: «Zwischen den Gruppen» und «Innerhalb der Gruppen». Der F-Wert ist das Verhältnis der beiden mittleren Quadratsummen — Streuung zwischen den Gruppen geteilt durch Streuung innerhalb der Gruppen. Ein grosser F-Wert heisst: die Gruppen liegen weiter auseinander, als es die Streuung innerhalb der Gruppen erwarten liesse.
Du brauchst vier Zahlen: F, die Zählerfreiheitsgrade (Gruppen minus 1), die Nennerfreiheitsgrade (Fälle minus Gruppen) und p.
Und dann der Punkt, den viele Arbeiten überspringen: Ein signifikanter F-Wert sagt nur, dass mindestens ein Gruppenunterschied existiert. Er sagt nicht, welcher. Wer schreibt «Die ANOVA zeigte, dass Gruppe A signifikant höhere Werte aufwies als Gruppe C», hat die Aussage überdehnt — das steht dort nicht.
Post-hoc: welcher Test wann
Post-hoc-Tests holen die Paarvergleiche nach und korrigieren dabei die Fehlerwahrscheinlichkeit. Die Auswahl in SPSS ist lang, praktisch relevant sind vier:
- Tukey HSD — der Standard, wenn du alle Gruppen paarweise vergleichen willst und die Varianzen homogen sind. Gute Balance zwischen Strenge und Teststärke.
- Bonferroni — konservativer, sinnvoll bei wenigen, vorab festgelegten Vergleichen. Bei vielen Gruppen verschenkt er Teststärke.
- Games-Howell — die Wahl bei ungleichen Varianzen. Wenn du auf Welch ausgewichen bist, gehört Games-Howell dazu; Tukey passt dann nicht mehr.
- Dunnett — wenn alle Gruppen nur gegen eine Referenzgruppe verglichen werden, etwa Kontrollgruppe gegen drei Bedingungen. Weniger Vergleiche, mehr Teststärke.
Wähle vorher aus, nicht nachher. Alle vier zu rechnen und den freundlichsten zu berichten, ist genau das Verhalten, das eine Auswertung angreifbar macht.
Effektstärke: Eta-Quadrat
Der p-Wert sagt, ob ein Unterschied da ist; die Effektstärke sagt, wie gross er ist. Für die ANOVA berichtest du Eta-Quadrat (η²) oder partielles Eta-Quadrat (η²ₚ) — bei der einfaktoriellen Variante sind beide identisch, weil es nur einen Faktor gibt.
η² ist der Anteil der Gesamtvarianz, den die Gruppenzugehörigkeit erklärt. Gängige Orientierungswerte: 0,01 klein, 0,06 mittel, 0,14 gross. Behandle sie als Orientierung, nicht als Urteil — in einem Feld mit vielen Einflussgrössen ist ein η² von 0,05 unter Umständen bemerkenswert.
Ein Hinweis, der Arbeiten rettet: Wenn du eine Effektstärke berichtest, ohne die Gruppengrössen zu nennen, kann niemand einordnen, wie belastbar sie ist. Beides gehört in denselben Satz. Wie du die dafür nötige Stichprobengrösse im Voraus bestimmst, entscheidet darüber, ob du überhaupt eine Chance hattest, einen mittleren Effekt zu finden.
Der Sonderfall, den fast niemand nutzt: geordnete Gruppen
Wenn deine drei oder vier Gruppen eine natürliche Reihenfolge haben — erstes, drittes und fünftes Semester; niedrige, mittlere und hohe Belastung; drei Dosierungsstufen — dann verschenkt der klassische Post-hoc-Vergleich Information. Er behandelt die Gruppen als beliebige Kategorien, obwohl du eine gerichtete Erwartung hast: dass der Wert über die Stufen hinweg steigt oder fällt.
Für diesen Fall gibt es Kontraste. In SPSS findest du sie in der einfaktoriellen ANOVA unter Kontraste → Polynomial, Grad «Linear». Statt aller Paarvergleiche prüfst du eine einzige Hypothese — «über die Stufen hinweg besteht ein linearer Trend» —, und weil es nur ein Test ist, brauchst du keine Korrektur für multiples Testen und behältst die volle Teststärke.
Das Ergebnis berichtest du zusätzlich zum Gesamt-F: «Der lineare Kontrast war signifikant, t(147) = 3,42, p < 0,001, was auf eine monotone Zunahme über die drei Semesterstufen hinweist.» Ein quadratischer Kontrast prüft entsprechend, ob der Verlauf einen Knick hat — etwa erst steigt und dann wieder fällt.
Zwei Bedingungen: Die Reihenfolge muss inhaltlich begründet sein, nicht nachträglich aus den Daten abgelesen, und die Abstände zwischen den Stufen sollten annähernd gleich sein. Wenn beides zutrifft, ist der Trendkontrast die aussagekräftigere Analyse — und in Abschlussarbeiten so selten, dass er auffällt.
Der Ergebnissatz
«Eine einfaktorielle Varianzanalyse ergab einen signifikanten Unterschied der Abschlussnote zwischen den drei Studiengängen, F(2, 147) = 6,84, p = 0,001, η² = 0,085. Der Levene-Test war nicht signifikant (p = 0,41), die Varianzhomogenität somit gegeben. Post-hoc-Vergleiche nach Tukey zeigten, dass Gruppe A (M = 4,92, SD = 0,48) signifikant höhere Werte erreichte als Gruppe C (M = 4,58, SD = 0,52; p = 0,001); die übrigen Paarvergleiche wurden nicht signifikant.»
Dieser Absatz enthält alles, was eine Leserin braucht: Verfahren, Kennwerte, Voraussetzungsprüfung, Effektstärke, Post-hoc-Ergebnis, Gruppenkennwerte. Und er behauptet nichts, was die Zahlen nicht hergeben.
Wenn die Gruppen ungleich gross sind
Ungleiche Gruppengrössen sind in studentischen Erhebungen die Regel, nicht die Ausnahme, und für sich genommen kein Problem. Kritisch wird die Kombination aus ungleichen Gruppen und ungleichen Varianzen: Ist die kleine Gruppe die mit der grossen Streuung, wird der Test zu liberal — er findet Unterschiede, die keine sind. Ist es umgekehrt, wird er zu konservativ.
Deshalb ist der Levene-Test bei unbalancierten Designs nicht Formalität, sondern die entscheidende Prüfung. Weicht er ab, gehst du auf Welch und Games-Howell und schreibst genau das in den Methodenteil. Eine Gruppe mit weniger als etwa zehn Fällen berichtest du zusätzlich mit einem Satz Einordnung: Sie trägt kaum Information, und ein nicht signifikantes Ergebnis für diese Gruppe ist kein Beleg für Gleichheit.
Häufige Fragen
Mein F ist signifikant, aber kein Post-hoc-Test wird es. Was nun?
Das kommt vor und ist kein Widerspruch: Post-hoc-Tests korrigieren für multiples Testen und sind deshalb strenger. Berichte den Befund genau so — es gibt einen Gesamtunterschied, aber kein einzelner Paarvergleich ist nach Korrektur belastbar. Das ist ein ehrliches, publizierbares Ergebnis.
Kann ich eine Likert-Skala als abhängige Variable nehmen?
Einen Mittelwert aus mehreren Items: unproblematisch. Ein einzelnes fünfstufiges Item: verbreitet, aber angreifbar. Bei einzelnen Items mit wenigen Stufen ist Kruskal-Wallis die sicherere Wahl.
Wie viele Fälle brauche ich pro Gruppe?
Eine gängige Untergrenze sind 20 bis 30 pro Gruppe, aber die ehrliche Antwort kommt aus einer Poweranalyse vor der Erhebung. Für einen mittleren Effekt bei drei Gruppen liegt der Bedarf schnell bei rund 50 Fällen pro Gruppe.
Muss ich die Voraussetzungen im Text berichten oder reicht der Anhang?
Der Levene-Test und die Entscheidung, die daraus folgt, gehören in den Fliesstext — sie begründen die Wahl des Verfahrens. Q-Q-Diagramme und ausführliche Tabellen können in den Anhang.
Rechne ich das besser in R oder jamovi?
Alle drei Programme liefern dasselbe Ergebnis. jamovi zeigt Effektstärke und Post-hoc-Tests ohne Umweg über ein zweites Menü an und ist kostenlos. Welches Werkzeug für deine Arbeit sinnvoll ist, hängt vor allem davon ab, was deine Betreuung liest — ein Vergleich von SPSS, R und jamovi hilft bei der Entscheidung.
Die Kurzfassung
Drei oder mehr unabhängige Gruppen, eine metrische Zielgrösse: einfaktorielle ANOVA. Levene prüfen, bei Verletzung auf Welch wechseln. Über Allgemeines lineares Modell → Univariat rechnen, weil dort die Effektstärke mitkommt. F, df, p und η² berichten, danach genau einen vorab gewählten Post-hoc-Test. Und nie aus einem signifikanten F auf einen bestimmten Gruppenunterschied schliessen.
Wenn dir das Auswertungskapitel dazu noch fehlt: Tesify schreibt es mit dir Abschnitt für Abschnitt — mit den Kennwerten an der Stelle, an der Gutachtende sie suchen.