Ziel des t-Test bei abhängigen Stichproben in SPSS

Der t-Test für Stichproben testet, ob bei zwei abhängigen bzw. verbundenen Stichproben die Mittelwerte unterschiedlich sind. Bei unabhängigen Stichproben ist der t-Test für unabhängige Stichproben zu rechnen. Wie der Test in Excel zu rechnen ist, zeigt dieser Artikel.

Voraussetzungen des t-Test bei abhängigen Stichproben in SPSS

Die wichtigsten Voraussetzungen sind:

  • zwei voneinander abhängige Stichproben/Gruppen
  • metrisch skalierte y-Variable
  • normalverteilte Residuen innerhalb der Gruppen (ab Gruppengröße von >30 unproblematisch)
httpv://www.youtube.com/watch?v=/M_6xwqyqhWg/

Fragen können unter dem verlinkten Video gerne auf YouTube gestellt werden.

Durchführung des t-Test bei abhängigen Stichproben in SPSS

Über das Menü in SPSS: Analysieren -> Mittelwerte vergleichen -> T-Test bei verbundenen Stichproben

Unter Optionen 95% Konfidenzintervall und „Fallausschluss Test für Test“.

Als Variablen sind Messwerte zum Zeitpunkt 1 als Variable 1 und Messwerte zum Zeitpunkt 2 als Variable 2 auszuwählen.

Interpretation des t-Test bei abhängigen Stichproben in SPSS

  1. Der Unterschied ist signifikant, wenn das 95%-Konfidenzintervall den Wert „0“ nicht beinhaltet, also beide Intervallgrenzen positiv oder negativ sind.
  2. Besonderes Augenmerk liegt auf der Sig. (2-seitig). Ist sie kleiner 0,05, geht man von statistisch signifikanten Unterschieden hinsichtlich der Mittelwerte zwischen den Stichproben aus. ACHTUNG: Hat man bereits eine Vermutung, dass z.B. eine Stichprobe einen höheren/niedrigeren Wert hat, ist dies eine gerichtete Hypothese und man muss 1-seitig testen. Dazu halbiert man den bei Sig. (2-seitig) erhaltenen Wert und prüft jenen auf Signifikanz.
  3. Die Effektstärke wird von SPSS nicht ausgegeben, also wie stark sich die beiden Stichproben unterscheiden. Diese ist folglich manuell zu berechnen und mit Cohen: Statistical Power Analysis for the Behavioral Sciences (1988), S. 79-81 zu beurteilen. Die Berechnung erfolgt über die Formel mit t² als quadrierter T-Wert und df als degrees of freedom (Freiheitsgrade).
  4. Ab 0,1 ist es ein schwacher Effekt, ab 0,3 ein mittlerer und ab 0,5 ein starker Effekt.

 

Weitere nützliche Tutorials findest du auf meinem YouTube-Kanal.