Deine Daten sind nicht normalverteilt — und der Test, den du eigentlich rechnen wolltest, setzt genau das voraus. Die kurze Antwort: Die Normalverteilungsannahme betrifft fast nie deine Rohdaten insgesamt, sie ist bei grösseren Stichproben deutlich robuster als ihr Ruf, und für jeden parametrischen Test gibt es einen sauberen Ausweg, den du im Methodenteil in zwei Sätzen begründen kannst.
Was genau normalverteilt sein muss
Der häufigste Fehler passiert, bevor überhaupt ein Test gerechnet wird: Studierende prüfen die Verteilung der falschen Grösse. «Meine Daten sind normalverteilt» ist keine sinnvolle Aussage über einen Datensatz mit zwölf Variablen. Die Annahme ist immer an ein konkretes Verfahren gebunden, und jedes Verfahren stellt sie an eine andere Grösse.
| Verfahren | Was normalverteilt sein soll | Woran du es prüfst |
|---|---|---|
| t-Test für unabhängige Stichproben | die abhängige Variable innerhalb jeder Gruppe | zwei getrennte Q-Q-Diagramme, eines pro Gruppe |
| t-Test für abhängige Stichproben | die Differenzwerte der Messzeitpunkte | ein Q-Q-Diagramm der Differenzvariable |
| Einfaktorielle Varianzanalyse | die abhängige Variable je Faktorstufe, ersatzweise die Residuen | Q-Q-Diagramm der Residuen aus dem Modell |
| Lineare und multiple Regression | ausschliesslich die Residuen, nie die Prädiktoren | Residuen-Q-Q-Diagramm und Residuen-gegen-Vorhersagewerte-Plot |
| Pearson-Korrelation | beide Variablen, gemeinsam bivariat | Streudiagramm plus zwei Q-Q-Diagramme |
Daraus folgt eine praktische Konsequenz: Bei einer Regression darfst du dir die Verteilung deiner unabhängigen Variablen sparen. Eine Dummy-Variable für Geschlecht ist naturgemäss nicht normalverteilt, und das ist kein Problem — das Modell verlangt es nicht. Genau diese Verwechslung führt jedes Semester dazu, dass völlig intakte Auswertungen ohne Grund auf nichtparametrische Verfahren umgestellt werden.
Wenn du dir bei der Zuordnung von Fragestellung, Design und Auswertungsverfahren noch unsicher bist, lohnt sich vorher ein Blick auf die Grundlagen der quantitativen Forschung in der Abschlussarbeit — die Annahmenprüfung ist der letzte Schritt in dieser Kette, nicht der erste.
Drei Wege, die Annahme zu prüfen — in der richtigen Reihenfolge
1. Das Q-Q-Diagramm ist das Hauptinstrument
Ein Quantil-Quantil-Diagramm trägt die beobachteten Werte gegen die Werte auf, die bei perfekter Normalverteilung zu erwarten wären. Liegen die Punkte annähernd auf der Diagonalen, ist die Annahme vertretbar. Aussagekräftig sind vor allem die Enden: Biegen die Punkte an beiden Rändern nach oben und unten von der Linie weg, hast du schwerere Verteilungsenden als die Normalverteilung; ein durchgehender Bogen deutet auf Schiefe hin, eine treppenförmige Punktwolke auf zu wenige Ausprägungen — typisch, wenn eine fünfstufige Ratingskala als metrisch behandelt wird.
Das Q-Q-Diagramm ist dem Signifikanztest überlegen, weil es dir das Ausmass der Abweichung zeigt und nicht nur ein Ja/Nein. Genau das brauchst du für die Begründung im Methodenteil.
2. Histogramm, Schiefe und Kurtosis als Ergänzung
Das Histogramm mit eingezeichneter Normalverteilungskurve ist schnell zu lesen, hängt aber stark von der gewählten Klassenbreite ab — dieselben Daten sehen mit sechs Balken normalverteilt und mit zwanzig Balken zerklüftet aus. Nutze es als zweite Ansicht, nicht als Beleg.
Zusätzlich helfen zwei Kennwerte. Die Schiefe (Skewness) beschreibt die Asymmetrie, die Kurtosis die Steilheit gegenüber der Normalverteilung; beide sind bei perfekter Normalverteilung null. Eine in der Praxis verbreitete Orientierung ist, Werte zwischen −1 und +1 als unproblematisch und Werte zwischen −2 und +2 als noch tolerierbar zu behandeln. Diese Grenzen sind Konvention, kein Naturgesetz — nenne sie im Text als solche und stütze dich nicht allein darauf.
3. Shapiro-Wilk und Kolmogorov-Smirnov erst zuletzt
Der Shapiro-Wilk-Test prüft die Nullhypothese, dass die Daten aus einer normalverteilten Grundgesamtheit stammen. Ein Ergebnis mit p < ,05 spricht gegen die Normalverteilung, ein Ergebnis mit p > ,05 ist kein Beweis für die Normalverteilung — es heisst nur, dass die Abweichung mit dieser Stichprobe nicht nachweisbar war. Diese Asymmetrie wird in Abschlussarbeiten fast immer falsch dargestellt.
Der Kolmogorov-Smirnov-Test in der Lilliefors-Variante prüft dasselbe, ist aber bei kleinen Stichproben schwächer. Wenn deine Software beide ausgibt, berichte Shapiro-Wilk; er gilt bei Stichproben bis einige hundert Fälle als der trennschärfere der beiden.
Warum die Stichprobengrösse den Test verfälscht
Hier liegt der eigentliche Kern des Problems, und er erklärt fast alle Panikmomente um 23 Uhr:
- Kleine Stichproben (n < 30): Der Shapiro-Wilk-Test hat kaum Teststärke. Er wird selten signifikant — auch dann nicht, wenn die Verteilung deutlich schief ist. Ein unauffälliges Ergebnis sagt hier fast nichts aus.
- Grosse Stichproben (n > 200): Der Test wird bei praktisch bedeutungslosen Abweichungen signifikant. Bei n = 400 reicht eine minimale Schiefe, um p < ,001 zu erzeugen — obwohl das Verfahren gegenüber dieser Abweichung völlig unempfindlich wäre.
Der zentrale Grenzwertsatz mildert das Problem zusätzlich, wird aber oft falsch zitiert. Er besagt nicht, dass Daten ab n = 30 normalverteilt sind. Er besagt, dass sich die Stichprobenkennwerteverteilung des Mittelwerts mit wachsendem n einer Normalverteilung annähert. Genau darauf beruhen t-Test und Varianzanalyse — sie brauchen die Normalverteilung der Mittelwertverteilung, nicht die der Rohwerte. Deshalb sind beide Verfahren bei ungefähr gleich grossen Gruppen und n ab etwa 25 bis 30 pro Gruppe erstaunlich robust gegen moderate Abweichungen.
Die praktische Regel für eine Abschlussarbeit: Entscheide anhand der Grafik und der Gruppengrösse, nicht anhand des p-Werts des Shapiro-Wilk-Tests allein. Wie gross deine Gruppen überhaupt sein sollten, hängt am Design — die Verfahren dazu stehen in unserem Beitrag zum Bestimmen der Stichprobe.
Wenn die Annahme kippt: vier Auswege
Eine verletzte Annahme beendet keine Auswertung. Sie verschiebt sie auf ein anderes Verfahren, und diese Verschiebung ist dokumentierbar — Gutachtende bewerten die begründete Entscheidung, nicht das Ausbleiben des Problems.
Weg 1: Der nichtparametrische Zwilling
Zu jedem gängigen parametrischen Verfahren gibt es ein rangbasiertes Gegenstück. Rangbasierte Tests stellen keine Verteilungsannahme an die Werte, verlieren dafür aber etwas Teststärke — bei tatsächlich normalverteilten Daten liegt der Effizienzverlust des Mann-Whitney-U-Tests gegenüber dem t-Test bei rund fünf Prozent.
| Fragestellung | Parametrisch | Nichtparametrische Alternative |
|---|---|---|
| Zwei unabhängige Gruppen vergleichen | t-Test für unabhängige Stichproben | Mann-Whitney-U-Test |
| Zwei Messzeitpunkte derselben Personen | t-Test für abhängige Stichproben | Wilcoxon-Vorzeichen-Rang-Test |
| Drei oder mehr unabhängige Gruppen | Einfaktorielle Varianzanalyse | Kruskal-Wallis-Test |
| Drei oder mehr Messzeitpunkte | Varianzanalyse mit Messwiederholung | Friedman-Test |
| Zusammenhang zweier Variablen | Pearson-Korrelation | Spearman-Rangkorrelation |
Wichtig für die Interpretation: Der Mann-Whitney-U-Test vergleicht keine Mittelwerte. Er prüft, ob ein zufällig gezogener Wert aus Gruppe A mit höherer Wahrscheinlichkeit über einem Wert aus Gruppe B liegt. Formuliere dein Ergebnis deshalb über zentrale Tendenz oder Rangsummen, nicht über «der Mittelwert unterscheidet sich signifikant».
Weg 2: Ein robustes Verfahren statt eines Rangtests
Wenn nicht die Verteilungsform, sondern ungleiche Varianzen das Problem sind, ist der Welch-Test die bessere Wahl als ein Rangtest. Er korrigiert die Freiheitsgrade und ist inzwischen in vielen Programmen die Voreinstellung. Für Regressionsmodelle leisten robuste Standardfehler dasselbe.
Weg 3: Transformation der Variable
Eine Logarithmus- oder Wurzeltransformation kann rechtsschiefe Variablen — Einkommen, Reaktionszeiten, Wartezeiten, Anzahl Behandlungstage — deutlich symmetrischer machen. Der Preis: Deine Ergebnisse gelten dann für die transformierte Skala und müssen zurückübersetzt interpretiert werden. In einer Bachelorarbeit lohnt sich das nur, wenn die Transformation fachlich üblich ist.
Weg 4: Bootstrapping
Beim Bootstrapping werden aus der eigenen Stichprobe wiederholt Stichproben mit Zurücklegen gezogen und daraus ein Konfidenzintervall geschätzt, ohne Verteilungsannahme. Gängige Statistikprogramme bieten das für Mittelwertdifferenzen und Regressionskoeffizienten als Zusatzoption an. Für Masterarbeiten ist es ein sehr überzeugender Weg, für Bachelorarbeiten meist mehr Aufwand als nötig.
Die zweite Annahme: Varianzhomogenität
Normalverteilung ist nur eine von zwei Annahmen, die t-Test und Varianzanalyse stellen. Die zweite ist die Homogenität der Varianzen — die Streuung soll in allen Gruppen ungefähr gleich sein. Geprüft wird sie mit dem Levene-Test, dessen Logik dieselbe Asymmetrie hat: p < ,05 spricht gegen gleiche Varianzen.
Die gute Nachricht ist, dass dieses Problem den geringsten Aufwand verursacht. Ist der Levene-Test signifikant, berichtest du beim Zweigruppenvergleich schlicht die Welch-Variante mit den korrigierten, meist gebrochenen Freiheitsgraden. Bei mehreren Gruppen gibt es die Welch-Varianzanalyse mit Games-Howell-Post-hoc-Vergleichen. Ein Rangtest ist dafür nicht nötig.
Kritisch wird Varianzheterogenität vor allem bei stark ungleich grossen Gruppen: Eine Gruppe mit 15 und eine mit 90 Fällen und deutlich unterschiedlicher Streuung ist die Konstellation, in der die klassische Auswertung tatsächlich verzerrt.
So formulierst du es im Methoden- und Ergebnisteil
Die Annahmenprüfung gehört in den Methodenteil, das Ergebnis der Prüfung in ein bis zwei Sätze am Anfang des Ergebnisteils. Drei Bausteine, die du direkt anpassen kannst:
Ankündigung im Methodenteil: «Vor der inferenzstatistischen Auswertung wurde die Normalverteilungsannahme für die abhängige Variable getrennt nach Gruppe grafisch anhand von Q-Q-Diagrammen sowie ergänzend mit dem Shapiro-Wilk-Test geprüft. Die Homogenität der Varianzen wurde mit dem Levene-Test kontrolliert. Bei Verletzung der Normalverteilungsannahme war der Mann-Whitney-U-Test als Alternative vorgesehen.»
Befund ohne Verletzung: «Die Q-Q-Diagramme zeigten in beiden Gruppen nur geringe Abweichungen von der Diagonalen; der Shapiro-Wilk-Test wurde in keiner Gruppe signifikant. Die Voraussetzungen für den t-Test gelten damit als erfüllt.»
Befund mit Verletzung: «Der Shapiro-Wilk-Test wurde in Gruppe B signifikant, und das Q-Q-Diagramm zeigte eine deutliche Rechtsschiefe. Da zudem die Gruppengrössen ungleich sind, wurde statt des t-Tests der Mann-Whitney-U-Test gerechnet.»
Beachte, dass im deutschsprachigen Fliesstext das Dezimalkomma gilt, während viele Programme englische Ausgaben mit Punkt erzeugen. Prüfe vor der Abgabe alle Kennwerte auf einheitliche Schreibweise; wie du statistische Ergebnisse insgesamt sauber in den Text bringst, klärt der Beitrag zum Ergebnisteil.
Die Begründung ausformulieren, nicht nur denken. Genau an dieser Stelle bleiben viele stecken: Die Entscheidung ist gefallen, aber die zwei Sätze im Methodenteil wollen nicht entstehen. Mit Tesify formulierst du dein Methodenkapitel Abschnitt für Abschnitt aus deinen eigenen Notizen — die Entscheidung bleibt deine, die Arbeit schreibst du zu 100 % selbst.
Fünf Fehler, die Gutachtende sofort sehen
- Die Verteilung der gesamten Stichprobe prüfen statt der Gruppen. Zwei perfekt normalverteilte Gruppen mit unterschiedlichen Mittelwerten ergeben zusammen eine zweigipflige Verteilung — der Shapiro-Wilk-Test über alle Fälle wird signifikant, obwohl nichts verletzt ist.
- «Der Shapiro-Wilk-Test war nicht signifikant, also sind die Daten normalverteilt.» Ein nicht signifikanter Test belegt die Nullhypothese nicht.
- Nach dem Ergebnis den Test wechseln, bis etwas signifikant wird. Beide Verfahren zu rechnen und nur das genehmere zu berichten, ist eine Form selektiver Berichterstattung. Lege die Regel vorher fest und halte dich daran.
- Ordinaldaten mit Normalverteilungstests bearbeiten. Bei einzelnen Items einer Ratingskala ist die Frage nach der Normalverteilung nachrangig — hier entscheidet das Skalenniveau, und die Operationalisierung der Variablen legt es fest.
- Die Prüfung gar nicht erwähnen. Fehlt sie im Methodenteil vollständig, gilt die Auswertung als nicht abgesichert — unabhängig davon, wie sauber gerechnet wurde.
Häufige Fragen
Ab welcher Stichprobengrösse ist die Normalverteilung egal?
Eine harte Grenze gibt es nicht. Als Orientierung gilt: Ab etwa 25 bis 30 Fällen pro Gruppe und bei ungefähr gleich grossen Gruppen sind t-Test und Varianzanalyse gegenüber moderaten Abweichungen sehr robust, weil sich die Verteilung der Mittelwerte der Normalverteilung annähert. Bei stark schiefen Verteilungen, deutlichen Ausreissern oder sehr ungleichen Gruppengrössen bleibt die Annahme auch bei grossem n relevant.
Was mache ich, wenn der Shapiro-Wilk-Test signifikant ist, das Q-Q-Diagramm aber gut aussieht?
Das ist bei grossen Stichproben der Normalfall und kein Widerspruch. Der Test reagiert dann auf sehr kleine Abweichungen. Entscheide anhand der Grafik, rechne das parametrische Verfahren und begründe das im Methodenteil ausdrücklich mit der Stichprobengrösse und dem unauffälligen Q-Q-Diagramm. Wer ganz sicher gehen will, rechnet den nichtparametrischen Test zusätzlich und berichtet, dass er zum selben Schluss führt.
Muss ich die Normalverteilung für jede Variable meiner Arbeit prüfen?
Nein. Geprüft wird nur, was ein konkretes Verfahren voraussetzt: die abhängige Variable je Gruppe beim Gruppenvergleich, die Differenzwerte bei abhängigen Stichproben, die Residuen bei der Regression. Prädiktoren, Dummy-Variablen und rein deskriptiv berichtete Merkmale brauchen keine Prüfung.
Verliere ich Punkte, wenn ich einen nichtparametrischen Test rechne?
Nein — vorausgesetzt, die Wahl ist begründet. Bewertet wird die Nachvollziehbarkeit der Entscheidung, nicht die Komplexität des Verfahrens. Ein sauber begründeter Mann-Whitney-U-Test ist deutlich besser als ein t-Test, dessen Voraussetzungen erkennbar verletzt sind und der ohne Kommentar bleibt.
Wie berichte ich das Ergebnis des Shapiro-Wilk-Tests?
Mit Teststatistik, Freiheitsgraden und p-Wert, getrennt nach Gruppe, zum Beispiel: «Shapiro-Wilk, Gruppe A: W = ,962, df = 34, p = ,281; Gruppe B: W = ,891, df = 31, p = ,004». Ergänze immer einen Satz zur grafischen Prüfung, weil der Test allein keine ausreichende Grundlage für die Entscheidung ist.
Was ist der Unterschied zwischen Normalverteilung und Varianzhomogenität?
Die Normalverteilungsannahme betrifft die Form der Verteilung, die Varianzhomogenität ihre Streuung im Gruppenvergleich. Beide sind unabhängig voneinander verletzbar. Für verletzte Varianzhomogenität gibt es mit dem Welch-Test eine einfache Korrektur; für eine verletzte Normalverteilungsannahme brauchst du in der Regel ein anderes Verfahren.