t-Test

Der t-Test is ein statistisches Verfahren, mit dem Mittelwertsunterschiede zwischen Stichproben (z.B. aus "Vorher-Nachher-Messungen" oder zwischen zwei Gruppen) auf ihre statistische Signifikanz hin überprüft werden.

Grob gesagt, gibt der t-Test eine Antwort auf die Frage, wie gro0 die Wahrscheinlichkeit dafür ist, dass eine festgestellte Differenz zwischen zwei Mittelwerten, eintritt wenn beide Stichproben, aus denen die Mittelwerte errechnet wurden, aus der gleichen Grundgesamtheit kämen. Diese Wahrscheinlichkeit wird mit dem p-Wert ausgedrückt, wobei eine Wahrscheinlichkeit von kleiner 0,05 (5%) per Konvention als signifikant galt. Heute tendiert man wieder zurück zu Fishers (einer der "Erfinder" der Signifikanztests) Auffassung von statistischer Signifikanz, der die Verantwortung über die Signifikanzentscheidung beim Forscher selbst sieht, die im Licht der jeweiligen Studie zu treffen ist.

In die Berechnung des t-Tests fließen die arithmetischen Mittel, die Stichprobengrößen und die Streuungen (Varianzen) ein. Der t-Test zählt zu den parametrischen Tests und stellt relativ hohe Anforderungen an das Datenmaterial (z.B. intervallskalierte Daten, wenigstens annähernd normalverteilte Grundgesamtheiten).

Den t-Test gibt es in Varianten für paarige/abhängige (z.B. für vorher-nachher-Messungen) und unpaarige/unabhängige (Vergleiche zwischen Gruppen) Stichproben.

Literatur

• Bortz J., Döring N. (2002) "Forschungsmethoden und Evaluation für Human- und Sozialwissenschaftler". Springer-Verlag, Berlin, Heidelberg, New York; S. 497f
• Bortz J. (1999) "Statistik für Sozialwissenschaftler". Springer-Verlag, Berlin, Heidelberg, New York; S. 134ff
• Sterne J.A.C., Smith G.D. (2001) "Sifting the Evidence - what's wrong with significance tests?" Physical Therapy, Vol. 81, Nr. 8, S. 1464-1469

siehe auch:  p-Wert,Signifikanz, statistisch, Signifikanz, klinisch