Test für zwei Anteile (Zweistichproben-Anteilstest)
Ein Test für zwei Anteile ist ein statistischer Hypothesentest, der den Anteil eines bestimmten Merkmals in zwei unabhängigen Grundgesamtheiten vergleicht. Er bestimmt, ob der beobachtete Unterschied statistisch signifikant ist, und berechnet ein Konfidenzintervall für den Unterschied der Anteile. Er eignet sich für Bereiche wie Gesundheitswesen, Wirtschaft und Überlebensanalyse, in denen Anteile, Raten und Prozentsätze wichtiger sind als Mittelwerte oder Varianzen, sofern Unabhängigkeit, Zufallsstichprobe, binäre Ergebnisse und ausreichende Stichprobenumfänge gegeben sind.
Zuletzt geprüft
Kernaussage
Ein Test für zwei Anteile ist ein statistischer Hypothesentest, der den Anteil eines bestimmten Merkmals in zwei unabhängigen Grundgesamtheiten vergleicht und prüft, ob der beobachtete Unterschied statistisch signifikant ist.
Auf dieser Seite
Was ist ein Test für zwei Anteile?
Ein Test für zwei Anteile ist ein statistischer Hypothesentest, der den Anteil eines bestimmten Merkmals in zwei unabhängigen Grundgesamtheiten vergleicht und bestimmt, ob der beobachtete Unterschied statistisch signifikant ist, indem er ein Konfidenzintervall für den Unterschied der Anteile in den Grundgesamtheiten berechnet. Er ist in Bereichen wie Gesundheitswesen, Wirtschaft und Überlebensanalyse anwendbar, in denen Anteile, Raten und Prozentsätze wichtiger sind als Mittelwerte oder Varianzen, sofern die Voraussetzungen Unabhängigkeit, Zufallsstichprobe, binäre Ergebnisse und ausreichende Stichprobenumfänge erfüllt sind.
Wann wird ein Test für zwei Anteile eingesetzt?
Ein Test für zwei Anteile wird verwendet, um festzustellen, ob zwischen den Anteilen zweier Grundgesamtheiten hinsichtlich eines bestimmten Merkmals ein statistisch signifikanter Unterschied besteht.
- Vergleich von Anteilen: Wenn Sie die Anteile eines bestimmten Merkmals zwischen zwei unabhängigen Grundgesamtheiten oder Stichproben vergleichen müssen.
- Großer Stichprobenumfang: Verwenden Sie den z-Test für zwei Anteile, wenn beide Stichproben groß genug sind, in der Regel mit mindestens 10 Erfolgen und 10 Misserfolgen in jeder Stichprobe, damit die Bedingungen für die Normalapproximation erfüllt sind.
- Kleiner Stichprobenumfang: Bei kleinen Stichprobenumfängen, bei denen die Bedingungen für die Normalapproximation nicht erfüllt sind, verwenden Sie den exakten Test nach Fisher, einen nichtparametrischen Test, der unabhängig vom Stichprobenumfang genaue Ergebnisse liefert.
- Binäre Ergebnisse: Wenn die Daten aus binären Ergebnissen bestehen (z. B. Erfolg/Misserfolg, ja/nein) und Sie feststellen möchten, ob sich die Anteile signifikant unterscheiden.
- Zufallsstichprobe: Wenn die Stichproben zufällig aus ihren jeweiligen Grundgesamtheiten entnommen werden, um valide und repräsentative Ergebnisse sicherzustellen.
Einige Situationen, in denen Sie einen Test für zwei Anteile verwenden könnten:
- Medizinische Forschung: Angenommen, Sie testen ein neues Medikament, das das Risiko einer Herzerkrankung senken soll. Mit einem Test für zwei Anteile könnten Sie den Anteil der Patienten, die eine Herzerkrankung entwickeln, in einer Behandlungsgruppe (die das Medikament erhält) und einer Kontrollgruppe (die das Medikament nicht erhält) vergleichen.
- Marktforschung: Angenommen, Sie führen eine Umfrage zur Kundenzufriedenheit mit zwei verschiedenen Marken eines Produkts durch. Mit einem Test für zwei Anteile könnten Sie den Anteil der Kunden vergleichen, die mit der jeweiligen Marke zufrieden sind.
- Qualitätskontrolle: Angenommen, Sie prüfen die Qualität zweier verschiedener Fertigungsprozesse, um festzustellen, welcher mehr fehlerhafte Produkte erzeugt. Mit einem Test für zwei Anteile könnten Sie den Anteil fehlerhafter Produkte beider Prozesse vergleichen.
Hinweise zur richtigen Anwendung des Tests für zwei Anteile
- Zufallsstichprobe: Stellen Sie sicher, dass die Stichprobendaten zufällig ausgewählt werden, um valide Verallgemeinerungen über die Grundgesamtheit treffen zu können.
- Binäre Daten: Die Daten sollten nur aus zwei Kategorien bestehen (z. B. gut/schlecht, 1/0). Verwenden Sie bei Zähldaten einen 2-Sample Poisson Rate Test.
- Unabhängigkeit der Beobachtungen: Jede Beobachtung sollte von allen anderen Beobachtungen unabhängig sein.
- Geeigneter Stichprobenumfang: Stellen Sie sicher, dass der Stichprobenumfang groß genug ist für genaue Schätzungen, schmale Konfidenzintervalle und einen ausreichenden Schutz vor Fehlern 1. und 2. Art.
Alternativen: Wann der Test für zwei Anteile nicht geeignet ist
- Besteht Ihr Datensatz aus Zählwerten, etwa der Anzahl der Fehler je Einheit, ist der 2-Sample Poisson Rate Test geeignet.
Beispiel für einen Test für zwei Anteile
Um zu beurteilen, ob männliche oder weibliche Bachelorstudierende eher einen Sommerjob bekommen, wählt ein Sachbearbeiter für Studienfinanzierung an einer Universität eine Stichprobe von Studierenden aus. Von 802 befragten männlichen Studierenden erhalten 725 im Sommer einen Job, von 712 befragten weiblichen Studierenden 573. Der Sachbearbeiter verwendet einen Test für zwei Anteile, um zu beurteilen, welches Geschlecht eher einen Sommerjob bekommt. Die folgenden Schritte:
- Er analysiert die Daten mithilfe von https://statsai.zometric.com/
- Geben Sie im Werkzeug die Daten ein: Anzahl der Ereignisse in Stichprobe 1 = 725, Anzahl der Versuche in Stichprobe 1 = 802, Anzahl der Ereignisse in Stichprobe 2 = 573, Anzahl der Versuche in Stichprobe 2 = 712, hypothetische Differenz = 0 und Konfidenzniveau = 95.
- Nach Verwendung des oben genannten Werkzeugs erhalten Sie die folgende Ausgabe:

Anleitung: Test für zwei Anteile
Die Anleitung lautet wie folgt:
- Melden Sie sich bei Zometric Statistical Software an: https://statsai.zometric.com/
- Wählen Sie auf der Startseite Statistical Tool> Graphical analysis >Two sample proportion test.
- Klicken Sie auf Two sample proportion test , um zum Dashboard zu gelangen.
- 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).
- Geben Sie anschließend die Werte für Anzahl der Ereignisse, Anzahl der Versuche, hypothetischen Anteil und Konfidenzniveau ein.
- Klicken Sie abschließend unten auf der Seite auf calculate, und Sie erhalten die gewünschten Ergebnisse.
Das Dashboard von Two sample proportion testbesteht nur aus dem linken Bereich.

In diesem linken Bereich stehen folgende Optionen zur Verfügung:
- Number of events: Bei einem Test für einen Anteil bezeichnet die Anzahl der Ereignisse, wie oft das interessierende Ereignis in der analysierten Stichprobe auftritt.
- Number of trials: Bei einem Test für einen Anteil bezeichnet die Anzahl der Versuche die Anzahl unabhängiger, gleichartiger Versuche bzw. Beobachtungen an der analysierten Stichprobe.
- Hypothesized difference: Die hypothetische Differenz bezeichnet den Unterschied der Parameter der Grundgesamtheiten zwischen Nullhypothese und Alternativhypothese. Wenn wir zum Beispiel prüfen möchten, 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.
- Confidence level: Beim Hypothesentest gibt das Konfidenzniveau den Grad der Sicherheit bzw. des Vertrauens an, den wir in unsere statistische Analyse haben. Es ist ein Wahrscheinlichkeitswert, der angibt, wie wahrscheinlich der wahre Parameter der Grundgesamtheit im angegebenen Wertebereich liegt. Üblicherweise wird das Konfidenzniveau 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 zum Beispiel, 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 unseren 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 von den Zielen des Forschers ab.
- Alternative hypothesis: Beim Hypothesentest ist die Alternativhypothese (auch Forschungshypothese genannt) eine Aussage, die eine andere Schlussfolgerung als die Nullhypothese darstellt. 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.
- Load example: Beispieldaten werden geladen.
- Method:
- Estimate the proportions separately: Um die Anteile bei einem Test für zwei Anteile getrennt zu schätzen, erheben Sie zunächst Daten aus zwei unabhängigen Stichproben und berechnen für jede Stichprobe den Anteil der Erfolge (bzw. des interessierenden Ereignisses).
- Use the pooled estimate of the proportion: Bei einem Test für zwei Anteile ist die gepoolte Schätzung des Anteils ein gewichteter Mittelwert der Anteile beider Stichproben unter der Annahme, dass die wahren Anteile in den Grundgesamtheiten gleich sind. Diese Schätzung wird verwendet, um die Teststatistik zu berechnen und zu bestimmen, ob der Unterschied der Anteile zwischen den beiden Stichproben statistisch signifikant ist.
Häufig gestellte Fragen
Was ist ein Test für zwei Anteile?
Ein Test für zwei Anteile ist ein Hypothesentest, der den Anteil eines bestimmten Merkmals in zwei unabhängigen Grundgesamtheiten vergleicht und bestimmt, ob der beobachtete Unterschied statistisch signifikant ist. Er liefert außerdem ein Konfidenzintervall für den Unterschied der Anteile in den Grundgesamtheiten.
Welche Voraussetzungen hat ein Test für zwei Anteile?
Die Daten müssen binär sein, etwa gut/schlecht oder ja/nein; die Stichproben sollten zufällig ausgewählt sein; jede Beobachtung muss von allen anderen unabhängig sein; und die Stichprobenumfänge müssen groß genug sein. Der z-Test für Anteile benötigt für die Normalapproximation in der Regel mindestens 10 Erfolge und 10 Misserfolge in jeder Stichprobe.
Wann sollte man stattdessen den exakten Test nach Fisher verwenden?
Verwenden Sie bei kleinen Stichproben, bei denen die Bedingungen für die Normalapproximation nicht erfüllt sind, den exakten Test nach Fisher, einen nichtparametrischen Test, der unabhängig vom Stichprobenumfang genaue Ergebnisse liefert. Der z-Test für zwei Anteile eignet sich für Stichproben mit jeweils mindestens 10 Erfolgen und 10 Misserfolgen.
Wann sollte man stattdessen einen 2-Sample-Poisson-Rate-Test verwenden?
Verwenden Sie den 2-Sample-Poisson-Rate-Test, wenn die Daten Zählwerte sind, etwa die Anzahl der Fehler je Einheit, statt binärer Ergebnisse. Der Test für zwei Anteile ist nur anwendbar, wenn jede Einheit in eine von zwei Kategorien fällt, zum Beispiel fehlerhaft oder nicht fehlerhaft.
