t-Tests & nicht-parametrische Alternativen

Zwei Zugvogelarten, Buchfink und Mönchsgrasmücke, legen unterschiedlich weite Strecken ins Winterquartier zurück. Du misst die Zugdistanz einiger Vögel jeder Art und siehst: Im Schnitt fliegt die eine Art ein gutes Stück weiter. Aber ist das ein echter Artunterschied oder nur Zufall zwischen zwei Stichproben? Der t-Test beantwortet genau das. In dieser Lektion lernst du die eine Intuition, die alles zusammenhält: Der t-Wert ist ein Signal-zu-Rausch-Verhältnis.

Die zentrale Idee: Signal geteilt durch Rauschen

Stell dir den t-Wert als eine einzige, ehrliche Frage vor: Wie groß ist der beobachtete Unterschied im Vergleich dazu, wie stark er allein durch Zufall schwanken würde? Oben im Zähler steht das Signal, die Differenz der mittleren Zugdistanzen. Unten im Nenner steht das Rauschen: der Standardfehler der Differenz, also wie stark dieser Unterschied von Stichprobe zu Stichprobe wackeln würde.

Die Formel SE = s·√(2/n) gilt für den vereinfachten Fall gleich großer Gruppen mit gleicher Streuung, genau die Welt des Reglers weiter unten. Im Allgemeinen rechnet man den Standardfehler aus beiden Stichprobenvarianzen; die Intuition bleibt aber dieselbe.

Selbst ausprobieren: der Signal-vs-Rausch-Regler

Hier wird die Intuition zum Anfassen. Die grüne Glocke ist die Zugdistanz der Buchfinken, die korallene die der Mönchsgrasmücken; die Punkte sind beispielhafte gemessene Vögel. Oben liest du live den t-Wert und den p-Wert ab. Probier:

1. Lass Δ fest und dreh die Streuung s hoch: t schrumpft, p wächst, derselbe Unterschied wird unbedeutend.
2. Dreh s wieder klein — t wächst, p sinkt, das Ergebnis kippt zurück auf signifikant.
3. Erhöh den Stichprobenumfang n: über das √n im Standardfehler steigt t ebenfalls, p fällt.
4. Setz Δ = 0: Es gibt keinen Unterschied mehr, t fällt auf 0 und p geht gegen 1.

Wie groß ist der Effekt? Cohen's d

Ein p-Wert sagt dir, ob ein Unterschied wahrscheinlich echt ist — aber nicht, wie groß er ist. Genau das ist der Unterschied zwischen signifikant und relevant. Wie du am Regler gesehen hast, wird bei riesigem n schon eine winzige Differenz signifikant: Buchfink und Mönchsgrasmücke könnten sich im Mittel um lächerliche 5 km unterscheiden, und mit genug Vögeln wäre selbst das „hochsignifikant“, biologisch aber völlig belanglos. Deshalb gehört zu jedem p-Wert eine Effektstärke .

Das gängigste Maß beim t-Test ist Cohen's d. Die Idee ist verblüffend einfach: Miss die Mittelwertdifferenz nicht in Kilometern, sondern in Standardabweichungen. Ein d = 1 heißt dann „die beiden Arten liegen im Schnitt eine ganze Streuungsbreite auseinander“, eine Aussage, die unabhängig von Stichprobengröße und Messeinheit ist.

Rechnen wir es für die Zugvögel durch. Die beiden Arten unterscheiden sich um Δ = 310 km, und die gepoolte Streuung der Zugdistanzen beträgt s_p ≈ 320 km. Also d = 310 / 320 ≈ 0,97, ein großer Effekt: Die mittlere Zugdistanz der beiden Arten liegt fast eine volle Standardabweichung auseinander. Zur Einordnung dienen Cohens Faustwerte:

Drei Situationen, drei t-Tests

Je nach Datenlage gibt es verschiedene Spielarten des t-Tests. Die Signal-durch-Rausch-Idee steckt in allen.

1 · Ein-Stichproben-t-Test

Der Ein-Stichproben-t-Test vergleicht den Mittelwert einer Stichprobe mit einem festen Erwartungswert μ₀. Beispiel: Aus der Literatur „weiß“ man, Buchfinken ziehen im Mittel 1500 km. Stimmt das für deine gemessene Population? Signal ist x̄ − μ₀, Rauschen der Standardfehler des einen Mittelwerts.

2 · Zwei unabhängige Stichproben: Student vs. Welch

Bei zwei unabhängigen Gruppen (Buchfink vs. Mönchsgrasmücke) gibt es zwei Varianten. Der Student-t-Test nimmt an, dass beide Gruppen dieselbe Varianz haben, und „poolt“ die Streuung zu einem gemeinsamen Schätzer. Der Welch-Test verzichtet auf diese Annahme: Er erlaubt ungleiche Varianzen und korrigiert dafür die Freiheitsgrade (Welch-Satterthwaite). In R ist Welch der Standard von t.test(), und das aus gutem Grund: Er ist robuster und kostet bei gleichen Varianzen kaum Genauigkeit.

3 · Gepaarter t-Test

Manchmal sind die beiden Messreihen nicht unabhängig, sondern paarweise verknüpft: dieselbe Pflanze vor und nach einer Düngebehandlung, oder derselbe Vogel in zwei aufeinanderfolgenden Jahren. Dann bildet der gepaarte t-Test für jedes Paar die Differenz und testet, ob deren Mittelwert null ist. Der entscheidende Vorteil: Die Paarbildung rechnet die Schwankung zwischen den Individuen heraus: weniger Rauschen, mehr Power. Wichtig: Die Normalverteilungsannahme betrifft hier die Differenzen, nicht die Rohwerte.

Voraussetzungen — und ihre verdrehte Logik

Damit ein t-Test gültige p-Werte liefert, müssen drei Dinge halten:

Prüfen kannst du das mit eigenen Tests: der Shapiro-Wilk-Test für die Normalität (in R shapiro.test()) und der F-Test für die Varianzhomogenität (in R var.test()). Doch Vorsicht: Hier lauert ein klassischer Stolperstein.

So sieht das in R aus

Der Befehl t.test() erledigt alles. Standardmäßig rechnet er den Welch-Test. So liest du die Ausgabe:

# Zugdistanz (km) zweier unabhaengiger Arten vergleichen
t.test(distanz ~ art, data = voegel)

	Welch Two Sample t-test

data:  distanz by art
t = -3.142, df = 36.8, p-value = 0.003281
alternative hypothesis: true difference in means
  between group Buchfink and group Moenchsgrasmuecke is not equal to 0
95 percent confidence interval:
 -512.4  -108.7
sample estimates:
  mean in group Buchfink  mean in group Moenchsgrasmuecke
                  1487.3                          1797.8

Brauchst du den Student-Test mit gepoolter Varianz, setzt du var.equal = TRUE; für gepaarte Daten paired = TRUE.

Wenn die Normalität nicht hält: rangbasierte Alternativen

Ist die Normalverteilungsannahme deutlich verletzt (oder ist deine Stichprobe so klein, dass du es nicht beurteilen kannst), dann greifst du zu einem nicht-parametrischen Test . Statt mit den Rohwerten arbeiten diese Tests mit deren Rängen und vergleichen eher die Lage (Mediane) als die Mittelwerte. Sie sind verteilungsfrei und robuster gegen Ausreißer: Ein einzelner extrem weit ziehender Vogel kippt das Ergebnis nicht. Der Preis: etwas geringere Power, wenn die Daten in Wahrheit doch normalverteilt wären.

# Verteilungsfreie Alternative: dieselben Daten, ohne Normalitaetsannahme
wilcox.test(distanz ~ art, data = voegel)

	Wilcoxon rank sum test with continuity correction

data:  distanz by art
W = 88, p-value = 0.004713
alternative hypothesis: true location shift is not equal to 0

Welcher Test? Klick dich durch

Der Entscheidungsbaum führt dich durch die vier Schlüsselfragen — Datentyp, Design, Normalität, Varianzen — bis zum passenden Test. Beantworte sie für dein Zugvogel-Beispiel und sieh, wo du landest. (Genau diesen Baum vertieft später die Lektion „Welcher Test?“.)

Sitzt es? Drei kurze Fragen

Keine Prüfung, nur eine Selbstkontrolle. Du bekommst zu jeder Frage sofort eine Erklärung.