Äquivalenztest für zwei Stichproben
Ein Äquivalenztest für zwei Stichproben beurteilt, ob zwei unabhängige Gruppen oder Prozesse Ergebnisse liefern, die so nahe beieinander liegen, dass sie praktisch als gleich gelten können. Statt auf einen statistisch signifikanten Unterschied zu testen, soll er zeigen, dass jeder Unterschied zwischen den beiden Gruppenmittelwerten kleiner als eine vorab festgelegte Äquivalenzgrenze ist — und damit belegen, dass die beiden Gruppen für alle praktischen Zwecke austauschbar sind.
Zuletzt geprüft
Kernaussage
Ein Äquivalenztest für zwei Stichproben beurteilt, ob zwei unabhängige Gruppen oder Prozesse Ergebnisse liefern, die so nahe beieinander liegen, dass sie praktisch als gleich gelten können.
Auf dieser Seite
- Was ist ein Äquivalenztest für zwei Stichproben?
- Wann wird ein Äquivalenztest für zwei Stichproben eingesetzt?
- Hinweise zur richtigen Anwendung des Äquivalenztests für zwei Stichproben
- Alternativen: Wann der Äquivalenztest für zwei Stichproben nicht geeignet ist
- Beispiel für einen Äquivalenztest für zwei Stichproben
- Anleitung: Äquivalenztest für gepaarte Stichproben
Was ist ein Äquivalenztest für zwei Stichproben?
Ein Äquivalenztest für zwei Stichproben beurteilt, ob zwei unabhängige Gruppen oder Prozesse Ergebnisse liefern, die so nahe beieinander liegen, dass sie praktisch als gleich gelten können. Statt auf einen statistisch signifikanten Unterschied zu testen, soll er zeigen, dass jeder Unterschied zwischen den beiden Gruppenmittelwerten kleiner als eine vorab festgelegte Äquivalenzgrenze ist — und damit belegen, dass die beiden Gruppen für alle praktischen Zwecke austauschbar sind.
Dieser Test wird häufig in pharmazeutischen Studien (Bioäquivalenz), bei der Validierung von Fertigungsprozessen und bei Umstellungen im Qualitätsmanagementsystem eingesetzt, wo das Hauptziel darin besteht, nachzuweisen, dass eine neue Methode dem etablierten Standard entspricht.
Einfache Definition: Ein Test, der nachweist, dass zwei unabhängige Gruppen ähnlich genug sind, um als äquivalent behandelt zu werden — er bestätigt, dass jeder Unterschied zwischen ihnen zu klein ist, um in der Praxis eine Rolle zu spielen.
Wann wird ein Äquivalenztest für zwei Stichproben eingesetzt?
- Wenn zwei unabhängige Gruppen verglichen werden und das Ziel darin besteht, Äquivalenz nachzuweisen, statt einen Unterschied zu erkennen.
- Bei der Validierung eines neuen Prozesses, Lieferanten, Werkstoffs oder einer neuen Methode gegenüber einem bestehenden, etablierten Standard.
- Wenn behördliche Einreichungen oder Qualitätsaudits einen formalen statistischen Nachweis verlangen, dass zwei unabhängige Prozesse äquivalente Ergebnisse liefern.
- Wenn zwischen den einzelnen Beobachtungen der beiden Gruppen keine Paarung oder Zuordnung besteht — jede Gruppe wird unabhängig gemessen.
Hinweise zur richtigen Anwendung des Äquivalenztests für zwei Stichproben
- Legen Sie das Äquivalenzintervall vorab fest , auf Grundlage von Fachwissen oder regulatorischen Anforderungen — es muss den größten Unterschied darstellen, der praktisch noch akzeptabel ist.
- Stellen Sie sicher, dass die beiden Gruppen wirklich unabhängig sind — keine Beobachtung einer Gruppe darf mit einer Beobachtung der anderen verbunden sein.
- Die Daten beider Gruppen sollten annähernd normalverteiltsein, oder die Stichprobenumfänge sollten groß genug sein, damit der zentrale Grenzwertsatz greift.
- Verwenden Sie ausreichende Stichprobenumfänge in beiden Gruppen — Äquivalenztests benötigen größere Stichproben als Standardtests, um eine verlässliche Trennschärfe zu erreichen.
- Äquivalenz ist nur dann bestätigt, wenn das gesamte Konfidenzintervall für den Unterschied innerhalb der Äquivalenzgrenzen liegt — eine teilweise Überlappung reicht nicht aus.
Alternativen: Wann der Äquivalenztest für zwei Stichproben nicht geeignet ist
- Wenn die beiden Gruppen gepaart oder einander zugeordnetsind, verwenden Sie den Äquivalenztest für gepaarte Stichproben
- Wenn das Ziel darin besteht, einen Unterschied zu erkennen, statt Ähnlichkeit zu bestätigen, verwenden Sie den t-Test für zwei Stichproben
- Wenn sich kein sinnvolles Äquivalenzintervall festlegen lässt, kann dieser Test nicht sachgerecht durchgeführt werden — eine definierte Grenze ist zwingend erforderlich.
Beispiel für einen Äquivalenztest für zwei Stichproben
Ein Lebensmitteltechnologe möchte feststellen, ob eine neue, günstigere Rezeptur eines Katzenfutters denselben Proteingehalt wie das Originalprodukt hat. Dazu entnimmt er Proben zu 100 Gramm aus beiden Rezepturen und misst ihren Proteingehalt. Da sichergestellt werden soll, dass die beiden Rezepturen im Proteingehalt innerhalb einer Toleranz von ±0.5 Gramm äquivalent sind, führt er einen Äquivalenztest für zwei Stichproben durch. Die Varianzen des Proteingehalts der beiden Rezepturen sind unbekannt und möglicherweise nicht gleich. Der Test erfolgt in folgenden Schritten:
- Die erforderlichen Daten wurden erhoben.

- Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.
- Um den Äquivalenztest für zwei Stichproben zu finden, wählen Sie Statistical module> Hypothesis Test> Two Sample Equivalence test.
- Im Werkzeug werden die Daten zusammen mit weiteren Eingaben wie folgt eingegeben:

5. Nach Verwendung des oben genannten Werkzeugs erhalten Sie die folgende Ausgabe:


Anleitung: Äquivalenztest für gepaarte Stichproben
Die Anleitung lautet wie folgt:
- Melden Sie sich bei Zometric Statistical Software an: https://statsai.zometric.com/
- Wählen Sie auf der Startseite Statistical Tool> Hypothesis Test >Two Sample Equivalence test .
- Aktualisieren Sie anschließend die Daten manuell, oder kopieren Sie die Daten vollständig (Ctrl+C) aus einer Excel-Tabelle und fügen Sie sie hier ein (Ctrl+V).
- Füllen Sie die erforderlichen Optionen aus.
- Klicken Sie abschließend unten auf der Seite auf calculate, und Sie erhalten die gewünschten Ergebnisse.
Das Dashboard von Two Sample Equivalence test ist in zwei Bereiche unterteilt.

Im linken Bereich 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 werden Excel-Daten direkt geladen.
Im rechten Bereich stehen folgende Optionen zur Verfügung:
- Test Samples Wählen Sie die Spalte mit den Messwerten der zu bewertenden neuen oder alternativen Gruppe — zum Beispiel Messwerte eines günstigeren Lieferanten, einer neuen Rezeptur oder eines geänderten Prozesses. Für diese Gruppe möchten Sie die Äquivalenz zur etablierten Referenz nachweisen. Dieses Feld ist erforderlich.
- Reference Samples: Wählen Sie die Spalte mit den Messwerten der etablierten oder Standardgruppe , mit der die Teststichprobe verglichen wird — zum Beispiel Daten des ursprünglichen Lieferanten, der aktuellen Rezeptur oder des bestehenden Prozesses. Anders als beim Paired Equivalence Test müssen die Beobachtungen in dieser Spalte den Beobachtungen in der Spalte Test Samples nicht einzeln entsprechen — die beiden Gruppen sind vollständig unabhängig voneinander. Dieses Feld ist erforderlich.
- Alpha: Legt das Signifikanzniveau des Äquivalenztests fest. Der übliche Standardwert ist 0.05; das bedeutet ein Risiko von 5%, fälschlich auf Äquivalenz zu schließen, obwohl die beiden Gruppen nicht wirklich äquivalent sind. Ein kleineres Alpha (z. B. 0.01) erfordert stärkere Belege, bevor auf Äquivalenz geschlossen wird, und wird bei kritischeren oder regulatorischen Anwendungen verwendet. Alpha muss vor Beginn der Datenerhebung festgelegt werden.
- Hypothesized (Test Mean − Reference Mean): Der angenommene, zu prüfende Unterschied zwischen dem Mittelwert der Testgruppe und dem der Referenzgruppe. In den meisten Äquivalenzstudien wird dieser Wert auf 0gesetzt, d. h. Sie nehmen an, dass beide Gruppen im Mittel dasselbe Ergebnis liefern sollten. Besteht zwischen den beiden Gruppen ein bekannter oder akzeptabler systematischer Versatz, kann stattdessen dieser Wert eingegeben werden.
- Alternative Hypothesis: Legt fest, was der Test nachweisen soll:
- Lower Limit < Test Mean − Reference Mean < Upper Limit — bestätigt, dass der wahre mittlere Unterschied zwischen den beiden Gruppen vollständig innerhalb der vorab festgelegten Äquivalenzgrenzen liegt. Auf Äquivalenz wird nur geschlossen, wenn das Konfidenzintervall für den Unterschied gleichzeitig vollständig innerhalb beider Grenzen liegt — eine teilweise Überlappung reicht nicht aus.
- Lower Limit Der minimal akzeptable Unterschied: zwischen Test- und Referenzgruppe. Er bildet die untere Grenze des Äquivalenzintervalls — liegt der mittlere Unterschied unter diesem Wert, gilt die Testgruppe als unzulässig niedriger als die Referenz. Diese Grenze muss vor der Analyse aus wissenschaftlichen, regulatorischen oder praktischen Anforderungen bestimmt und darf nicht aus den zu prüfenden Daten abgeleitet werden.
- Upper Limit Der maximal akzeptable Unterschied: zwischen Test- und Referenzgruppe. Er bildet die obere Grenze des Äquivalenzintervalls — übersteigt der mittlere Unterschied diesen Wert, liefert die Testgruppe unzulässig höhere Ergebnisse als die Referenz. Zusammen mit dem Lower Limit bildet er das vollständige Äquivalenzfenster, in dem der beobachtete Unterschied liegen muss, damit die beiden Gruppen als äquivalent gelten.
- Assume Equal Variance: Wenn aktiviert, nimmt der Test an, dass beide Gruppen dieselbe Varianz der Grundgesamtheit haben, und verwendet in der Berechnung eine gepoolte Standardabweichung — das ergibt einen etwas trennschärferen Test, wenn diese Annahme zutrifft. Wenn deaktiviert, werden für jede Gruppe getrennte Varianzschätzungen verwendet (Welch-Ansatz), was verlässlicher ist, wenn die beiden Gruppen deutlich unterschiedlich streuen. Lassen Sie die Option im Zweifel deaktiviert, da dies die konservativere und sicherere Wahl ist.
- Box Plot of Difference: Wenn aktiviert, wird ein Boxplot angezeigt, der die Verteilung der Werte in beiden Gruppen und den Unterschied zwischen ihnen zusammenfasst. Das bietet einen schnellen visuellen Vergleich von Lage, Streuung und Form jeder Gruppe und hilft zu beurteilen, ob ein sichtbarer Unterschied praktisch bedeutsam ist oder innerhalb akzeptabler Grenzen liegt.
- Histogram of Difference: Wenn aktiviert, wird ein Histogramm des Unterschieds zwischen den beiden Gruppenverteilungen angezeigt. Damit lässt sich prüfen, ob die Daten die Normalverteilungsannahme erfüllen, und erkennen, ob die Unterschiede symmetrisch verteilt sind oder ungewöhnliche Muster zeigen, die die Verlässlichkeit der Testergebnisse beeinträchtigen könnten.
- Equivalence Plot: Wenn aktiviert, wird die zentrale Ergebnisgrafik des Äquivalenztests angezeigt — das Konfidenzintervall für den Mittelwertunterschied, dargestellt gegenüber der unteren und oberen Äquivalenzgrenze. Liegt das gesamte Konfidenzintervall innerhalb beider Grenzen, ist die Äquivalenz bestätigt. Dies ist die wichtigste Ausgabe und sollte stets zusammen mit dem p-Wert beurteilt werden.
- Individual Value Plot: Wenn aktiviert, werden alle einzelnen Datenpunkte beider Gruppen nebeneinander angezeigt. Das gibt einen vollständigen Überblick über Streuung und Verteilung jeder Gruppe und macht Ausreißer, Schiefe oder Unterschiede in der Streuung leicht erkennbar, die eine zusammenfassende Grafik allein möglicherweise nicht zeigt.
Häufig gestellte Fragen
Was ist ein Äquivalenztest für zwei Stichproben?
Ein Äquivalenztest für zwei Stichproben beurteilt, ob zwei unabhängige Gruppen oder Prozesse Ergebnisse liefern, die nahe genug beieinander liegen, um praktisch als gleich zu gelten. Statt auf einen signifikanten Unterschied zu testen, soll er zeigen, dass der Unterschied zwischen den beiden Mittelwerten kleiner als eine vorab festgelegte Äquivalenzgrenze ist.
Wann sollte man einen Äquivalenztest statt eines t-Tests für zwei Stichproben verwenden?
Verwenden Sie einen Äquivalenztest, wenn das Ziel darin besteht, Ähnlichkeit nachzuweisen, etwa bei der Validierung eines neuen Prozesses, Lieferanten, Werkstoffs oder einer neuen Methode gegenüber einem etablierten Standard oder für behördliche Einreichungen. Verwenden Sie einen t-Test für zwei Stichproben, wenn ein Unterschied erkannt werden soll. Verwenden Sie bei gepaarten oder einander zugeordneten Daten den Äquivalenztest für gepaarte Stichproben.
Wann wird auf Äquivalenz geschlossen?
Äquivalenz ist nur dann bestätigt, wenn das gesamte Konfidenzintervall für den Mittelwertunterschied innerhalb der unteren und oberen Äquivalenzgrenze liegt. Eine teilweise Überlappung reicht nicht aus. Das Äquivalenzdiagramm zeigt dieses Intervall gegenüber den Grenzen und sollte zusammen mit dem p-Wert beurteilt werden.
Welche Voraussetzungen hat ein Äquivalenztest für zwei Stichproben?
Die beiden Gruppen müssen wirklich unabhängig sein, ohne Paarung zwischen den Beobachtungen. Die Daten sollten annähernd normalverteilt sein oder die Stichproben groß genug, damit der zentrale Grenzwertsatz greift. Das Äquivalenzintervall muss vorab aus Fachwissen oder regulatorischen Anforderungen festgelegt werden, und Äquivalenztests benötigen größere Stichproben als Standardtests.
