Gepaarter t-Test

Der gepaarte t-Test, auch t-Test für abhängige Stichproben genannt, prüft, ob zwischen den Mittelwerten zweier zusammengehöriger Gruppen ein signifikanter Unterschied besteht. Er wird angewendet, wenn jedes Subjekt oder jede Einheit zweimal gemessen wird, unter verschiedenen Bedingungen oder zu verschiedenen Zeitpunkten, sodass Beobachtungspaare entstehen.

Zuletzt geprüft

Kernaussage

Der gepaarte t-Test, auch t-Test für abhängige Stichproben genannt, prüft, ob zwischen den Mittelwerten zweier zusammengehöriger Gruppen ein signifikanter Unterschied besteht.

Auf dieser Seite
  1. Was ist ein gepaarter t-Test?
  2. Wann wird ein gepaarter t-Test eingesetzt?
  3. Hinweise zur richtigen Anwendung des gepaarten t-Tests
  4. Alternativen: Wann Sie den gepaarten t-Test nicht verwenden sollten
  5. Beispiel für einen gepaarten t-Test
    1. Beispiel 1
  6. Anleitung: gepaarten t-Test durchführen

Was ist ein gepaarter t-Test?

Der gepaarte t-Test, auch t-Test für abhängige Stichproben genannt, prüft, ob zwischen den Mittelwerten zweier zusammengehöriger Gruppen ein signifikanter Unterschied besteht. Er wird angewendet, wenn jedes Subjekt oder jede Einheit zweimal gemessen wird, unter verschiedenen Bedingungen oder zu verschiedenen Zeitpunkten, sodass Beobachtungspaare entstehen. Der gepaarte t-Test beurteilt, ob die mittlere Differenz dieser gepaarten Beobachtungen signifikant von null abweicht. Die Nullhypothese nimmt an, dass die mittlere Differenz null ist, während die Alternativhypothese annimmt, dass sie nicht null ist.

Der gepaarte t-Test ist besonders nützlich bei Vorher-Nachher-Studien oder in jeder Situation, in der an denselben Subjekten zwei Messungen vorgenommen werden; so lässt sich feststellen, ob beobachtete Veränderungen statistisch signifikant sind.

Wann wird ein gepaarter t-Test eingesetzt?

Ein gepaarter t-Test wird verwendet, wenn die beiden verglichenen Stichproben zusammengehören bzw. gepaart sind, etwa in einer Vorher-Nachher-Studie, in der dieselben Personen zweimal gemessen werden, oder in einer Studie mit gematchten Paaren, in der Personen nach wichtigen Merkmalen zugeordnet und dann verschiedenen Behandlungen zugewiesen werden.

  • Normalverteilung: Die Differenzen zwischen den gepaarten Beobachtungen sollten annähernd normalverteilt sein.
  • Zufallsauswahl: Die Paare sollten zufällig ausgewählt werden.
  • Unabhängigkeit: Jedes Paar sollte von den anderen Paaren unabhängig sein, und die Differenzen innerhalb der Paare sollten voneinander unabhängig sein.

Einige typische Situationen, in denen ein gepaarter t-Test geeignet sein kann:

  • Vorher-Nachher-Studien: Wenn Sie prüfen möchten, ob eine Maßnahme oder Behandlung eine signifikante Wirkung auf eine Person oder Gruppe hatte, können Sie mit einem gepaarten t-Test die Mittelwerte derselben Gruppe vor und nach der Maßnahme vergleichen.
  • Studien mit gematchten Paaren: In Studien, in denen Personen nach ähnlichen Merkmalen wie Alter, Geschlecht oder Gesundheitszustand zu Paaren zusammengefasst und dann verschiedenen Behandlungen zugewiesen werden, können Sie mit einem gepaarten t-Test die Mittelwerte der beiden Gruppen vergleichen.
  • Studien mit Messwiederholungen: Wenn in einer Studie dieselbe Variable mehrfach an derselben Person oder Gruppe gemessen wird, können Sie mit einem gepaarten t-Test die Mittelwerte der Messungen zu verschiedenen Zeitpunkten vergleichen.

Hinweise zur richtigen Anwendung des gepaarten t-Tests

  • Stetige Daten können zwischen zwei beliebigen Punkten unendlich viele Werte annehmen.
  • Der Stichprobenumfang sollte größer als 20 sein.
    Ist der Stichprobenumfang größer als 20 und die Verteilung unimodal und stetig, bleibt der Test auch bei leichter Schiefe gültig.
    Stellen Sie bei Stichprobenumfängen unter 20 die Daten grafisch dar, um auf Schiefe und ungewöhnliche Beobachtungen zu prüfen. Seien Sie vorsichtig, wenn die Daten stark schief sind oder viele Ausreißer enthalten.
  • Stellen Sie sicher, dass gepaarte (abhängige) Beobachtungen vorliegen, etwa wiederholte Messungen am selben Teil unter verschiedenen Bedingungen.
  • Bei unabhängigen Beobachtungen aus zwei Stichproben verwenden Sie stattdessen den t-Test für zwei Stichproben.
  • Erheben Sie die Daten zufällig, um Aussagen über die Grundgesamtheit treffen zu können.
  • Legen Sie einen angemessenen Stichprobenumfang fest, der ausreichende Genauigkeit und Schutz vor Fehlern bietet.

Alternativen: Wann Sie den gepaarten t-Test nicht verwenden sollten

Beispiel für einen gepaarten t-Test

Beispiel 1

Ein Physiologe möchte feststellen, ob ein bestimmtes Laufprogramm den Ruhepuls beeinflusst. Die Herzfrequenz von 20 zufällig ausgewählten Personen wurde gemessen. Nach einem Jahr im Laufprogramm wurde die Herzfrequenz derselben Personen erneut gemessen. So ergab sich für jede Person ein Beobachtungspaar (vorher und nachher). Anschließend wurde ein gepaarter t-Test durchgeführt, um zu beurteilen, ob sich die Herzfrequenz vor und nach dem Laufprogramm statistisch signifikant unterscheidet. Der Test wurde in folgenden Schritten durchgeführt:

  1. Die nötigen Daten wurden erhoben.
Paired t test — figure 1
  1. Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.
  2.  Um den gepaarten t-Test zu finden, wählen Sie Statistical module> Graphical analysis> Paired t-test.
  3.  Im Tool gibt er die Daten zusammen mit weiteren Eingaben wie folgt ein:
Paired t test — figure 2

5. Mit dem oben genannten Tool erhält er folgende Ausgabe:

Paired t test — figure 3Paired t test — figure 4

Anleitung: gepaarten t-Test durchführen

Gehen Sie wie folgt vor:

  1. Melden Sie sich bei Zometric Statistical Software an: https://statsai.zometric.com/
  2. Wählen Sie auf der Startseite Statistical Tool> Graphical analysis > Paired t test
  3. Klicken Sie auf Paired t test , um zum Dashboard zu gelangen.
  4. Geben Sie anschließend die Daten manuell ein oder kopieren Sie sie vollständig (Ctrl+C) aus einer Excel-Tabelle und fügen Sie sie hier ein (Ctrl+V).
  5. Geben Sie als Nächstes die Werte für das Konfidenzniveau und die hypothetische Differenz ein.
  6. Klicken Sie abschließend unten auf der Seite auf calculate, um die gewünschten Ergebnisse zu erhalten.

Das Dashboard von Paired t test ist in zwei Bereiche geteilt.

Paired t test — figure 5

Links befindet sich der Datenbereich (Data Pane). Im Data Pane bildet jede Zeile eine Teilgruppe. Die Daten können manuell eingegeben oder vollständig aus einer Excel-Tabelle kopiert (Ctrl+C) und hier eingefügt (Ctrl+V) werden.

Load example: Beispieldaten werden geladen.

Load File: Damit laden Sie Excel-Daten direkt.

Rechts stehen folgende Optionen zur Verfügung:

  • Confidence level:Beim Hypothesentest gibt das Konfidenzniveau den Grad an Sicherheit bzw. Vertrauen an, den wir in unsere statistische Analyse haben. Es ist ein Wahrscheinlichkeitswert, der angibt, mit welcher Wahrscheinlichkeit der wahre Parameter der Grundgesamtheit im angegebenen Wertebereich liegt. Das Konfidenzniveau wird meist in Prozent angegeben und als (1 - α) bezeichnet, wobei α das Signifikanzniveau bzw. die Wahrscheinlichkeit ist, eine wahre Nullhypothese abzulehnen. Bei einem Konfidenzniveau von 95% sagen wir beispielsweise, dass wir zu 95% sicher sind, dass der wahre Parameter der Grundgesamtheit in unserer Intervallschätzung liegt, und dass mit 5% Wahrscheinlichkeit ein Fehler 1. Art (Ablehnung einer wahren Nullhypothese) auftritt. Praktisch bedeutet ein höheres Konfidenzniveau, dass wir unserer statistischen Analyse und den Ergebnissen mehr vertrauen. Ein höheres Konfidenzniveau vergrößert jedoch auch die Breite des Konfidenzintervalls, wodurch kleine Effekte schwerer zu erkennen sind. Die Wahl des Konfidenzniveaus hängt daher vom Kontext der Untersuchung und den Zielen des Untersuchenden ab.
  • Hypothesized difference: Die hypothetische Differenz bezeichnet den Unterschied der Parameter der Grundgesamtheit zwischen Nullhypothese und Alternativhypothese. Möchten wir zum Beispiel prüfen, ob sich die mittlere Punktzahl in einem Test zwischen zwei Gruppen (z. B. Männern und Frauen) signifikant unterscheidet, wäre die hypothetische Differenz die Differenz zwischen der mittleren Punktzahl der Männer und der mittleren Punktzahl der Frauen.
  • Alternative hypothesis: Beim Hypothesentest ist die Alternativhypothese (auch Forschungshypothese genannt) eine Aussage, die zu einem anderen Schluss führt als die Nullhypothese. Die Nullhypothese steht in der Regel für den Status quo bzw. die Annahme, dass zwischen zwei oder mehr Gruppen oder Variablen kein signifikanter Unterschied oder Zusammenhang besteht. Die Alternativhypothese ist die zu prüfende Aussage und besagt, dass zwischen den untersuchten Gruppen oder Variablen ein signifikanter Unterschied oder Zusammenhang besteht.
  • Histogram of difference:Das Histogramm der Differenzen ist eine grafische Darstellung der Verteilung der Differenzen zwischen zwei Datenreihen. Im Rahmen eines Hypothesentests kann es verwendet werden, um den Unterschied zwischen den Mittelwerten zweier Gruppen visuell zu beurteilen. Dazu werden in der Regel Daten aus zwei Gruppen erhoben, für jede Gruppe Mittelwert und Varianz berechnet und anschließend die Differenz der Mittelwerte ermittelt. Diese Differenz wird oft als "Effektstärke" bezeichnet.
  • Individual value plot of difference:Ein Einzelwertdiagramm der Differenzen ist eine grafische Darstellung der Unterschiede zwischen zwei Gruppen in einem Hypothesentest. Bei einem Hypothesentest möchte man feststellen, ob zwischen zwei Gruppen, etwa einer Behandlungsgruppe und einer Kontrollgruppe, ein statistisch signifikanter Unterschied besteht. Mit einem Einzelwertdiagramm lassen sich die Unterschiede zwischen den beiden Gruppen in einem einzigen Diagramm darstellen. Das Diagramm zeigt in der Regel die einzelnen Datenpunkte jeder Gruppe sowie Mittelwert und Standardabweichung jeder Gruppe.
  • Box Plot of difference: Im Rahmen eines Hypothesentests kann ein Boxplot der Differenzen verwendet werden, um die Verteilung der Differenzen zwischen zwei verglichenen Gruppen darzustellen. Vergleichen wir beispielsweise die Mittelwerte zweier Gruppen, können wir die Differenz der Mittelwerte berechnen und anschließend einen Boxplot der Differenzen erstellen.
  • Histogram of difference: Ist die Option aktiviert, wird ein Histogramm angezeigt, andernfalls nicht.
  • Label:  Damit werden Datenbeschriftungen gesetzt; es gibt drei Optionen:
    • Outlier: Datenwerte, die weit von den übrigen Datenwerten entfernt liegen, können Ihre Ergebnisse stark beeinflussen.
    • All quartiles: Quartile sind Werte, die eine Datenstichprobe in vier gleiche Teile teilen. Damit beurteilen Sie schnell Streuung und Lage eines Datensatzes.
    • Mean: Der Mittelwert im Boxplot liefert zusätzliche Informationen über die Lage der Daten.
    • Individual Data: Ein einzelner Datenpunkt ist eine einzelne Beobachtung bzw. ein einzelner Wert in einem Datensatz.
  • Download as Excel: Zeigt das Ergebnis im Excel-Format an; es lässt sich leicht bearbeiten und über die Option load file für Berechnungen erneut laden.

Häufig gestellte Fragen

Was ist ein gepaarter t-Test?

Ein gepaarter t-Test, auch t-Test für abhängige Stichproben genannt, prüft, ob zwischen den Mittelwerten zweier zusammengehöriger Gruppen ein signifikanter Unterschied besteht. Er wird verwendet, wenn jedes Subjekt oder jede Einheit zweimal gemessen wird, unter verschiedenen Bedingungen oder zu verschiedenen Zeitpunkten, und prüft, ob die mittlere Differenz der gepaarten Beobachtungen signifikant von null abweicht.

Wann sollten Sie einen gepaarten t-Test statt eines t-Tests für zwei Stichproben verwenden?

Verwenden Sie einen gepaarten t-Test, wenn die beiden Stichproben zusammengehören, etwa bei Vorher-Nachher-Studien an denselben Personen, Studien mit gematchten Paaren oder wiederholten Messungen am selben Teil unter verschiedenen Bedingungen. Sind die beiden Beobachtungsreihen unabhängig, verwenden Sie stattdessen den t-Test für zwei Stichproben.

Welche Voraussetzungen hat ein gepaarter t-Test?

Die Differenzen zwischen den gepaarten Beobachtungen sollten annähernd normalverteilt sein, die Paare sollten zufällig ausgewählt und jedes Paar von den anderen unabhängig sein. Die Daten sollten stetig sein. Bei mehr als 20 Paaren und einer unimodalen, stetigen Verteilung bleibt der Test auch bei leichter Schiefe gültig.

Welchen Stichprobenumfang benötigt ein gepaarter t-Test?

Der Stichprobenumfang sollte größer als 20 sein. Stellen Sie bei weniger als 20 Paaren die Daten grafisch dar, um auf Schiefe und ungewöhnliche Beobachtungen zu prüfen, und seien Sie vorsichtig, wenn die Daten stark schief sind oder viele Ausreißer enthalten. Wählen Sie einen Stichprobenumfang, der ausreichende Genauigkeit und Schutz vor Fehlern bietet.