Menu

Hypothesen

Grundgesamtheit, Stichprobe und Hypothesentest

Was ist eine Hypothese?

Eine Hypothese ist eine Annahme, die weder bestätigt noch widerlegt ist. Im Forschungsprozess wird eine Hypothese gleich zu Beginn aufgestellt und das Ziel ist es, diese Hypothese entweder abzulehnen oder beizubehalten. Um eine Hypothese abzulehnen oder beizubehalten, werden Daten, z.B. aus einem Experiment oder einer Umfrage benötigt, die dann mit Hilfe eines Hypothesentests ausgewertet werden.

In der Regel werden Hypothesen ausgehend von einer Literaturrecherche aufgestellt. Auf Grundlage der Literaturrecherche kannst du dann begründen, warum du die Hypothese auf diese Art und Weise formuliert hast.

Ein Beispiel für eine Hypothese könnte sein: „Männer verdienen in Deutschland im gleichen Beruf mehr als Frauen.“

Hypothese

Damit du diese Hypothese prüfen kannst, brauchst du Daten, z.B. aus einer Umfrage, und einen passenden Hypothesentest wie z. B. den t-Test oder die Korrelationsanalyse. Keine Angst, bei der Wahl des passenden Hypothesentests unterstützt dich DATAtab.

Wie formuliere ich eine Hypothese?

Um eine Hypothese zu formulieren, muss zunächst eine Fragestellung definiert werden. Aus der Fragestellung kann dann eine präzise formulierte Hypothese über die Grundgesamtheit abgeleitet werden, z.B. Männer verdienen in Österreich im gleichen Job mehr als Frauen.

Hypothese formulieren

Hypothesen sind keine einfachen Aussage, sie werden so formuliert, dass sie im weiteren Forschungsprozess mit gesammelten Daten getestet werden können.

Damit eine Hypothese getestet werden kann, muss genau definiert werden, welche Variablen beteiligt sind und in welcher Beziehung die Variablen stehen. Bei Hypothesen handelt es sich also um Annahmen über die Wirkungszusammenhänge zwischen Variablen.

Was ist eine Variable?

Eine Variable ist eine Eigenschaft von einem Objekt oder Ereignis, die verschiedene Werte annehmen kann. Die Augenfarbe ist z.B. eine Variable, es ist die Eigenschaft von dem Objekt Auge und kann verschiedene Werte annahmen (Blau, Braun,...).

Forscht du in den Sozialwissenschaften, können deine Variablen sein:

  • Geschlecht
  • Einkommen
  • Einstellung zum Umweltschutz

Forscht du im medizinischen Bereich, können deine Variablen sein:

  • Körpergewicht
  • Raucherstatus
  • Herzfrequenz

Was ist die Null- und Alternativhypothese?

Es gibt immer zwei Hypothesen, die sich genau gegenüber stehen bzw. das Gegensätzliche behaupten. Diese gegensätzlichen Hypothesen werden Null- und Alternativhypothese genannt und werden mit H0 und H1 abgekürzt.

Nullhypothese H0:

Die Nullhypothese geht davon aus, dass zwischen zwei oder mehreren Gruppen kein Unterschied in Bezug auf ein Merkmal vorliegt.

Beispiel:

Das Gehalt von Männern und Frauen unterscheidet sich nicht in Österreich.

Alternativhypothese H1:

Alternativhypothesen hingegen gehen davon aus, dass ein Unterschied zwischen zwei oder mehreren Gruppen vorliegt.

Beispiel:

Das Gehalt von Männern und Frauen unterscheidet sich in Österreich.

Die Hypothese, die du testen möchtest bzw. die du aus der Theorie abgeleitet hast, sagt in der Regel aus, dass ein Effekt vorhanden ist z.B. das Geschlecht hat einen Einfluss auf das Gehalt. Diese Hypothese wird Alternativhypothese genannt.

Die Nullhypothese sagt in der Regel aus, dass kein Effekt vorhanden ist z.B. das Geschlecht hat keinen Einfluss auf das Gehalt. Im Rahmen eines Hypothesentests kann immer nur die Nullhypothese geprüft werden, Ziel ist es herauszufinden, ob die Nullhypothese verworfen wird oder nicht.

Arten von Hypothesen

Welche Arten von Hypothesen gibt es? Am häufigsten wird zwischen Unterschieds- und Zusammenhangshypothesen sowie gerichteten und ungerichteten Hypothesen unterschieden.

Unterschieds- und Zusammenhangshypothesen

Unterschiedshypothesen werden dann verwendet, wenn verschiedene Gruppen unterschieden werden sollen, z.B. die Gruppe der Männer und die Gruppe der Frauen. Zusammenhangshypothesen werden verwendet, wenn der Zusammenhang bzw. die Korrelation zwischen Variablen überprüft werden soll, z.B. der Zusammenhang zwischen Alter und Körpergröße.

Unterschiedshypothesen

Unterschiedshypothesen prüfen, ob es einen Unterschied zwischen zwei oder mehreren Gruppen gibt.

Unterschiedshypothesen

Beispiele für Unterschiedshypothesen sind:

  • Die "Gruppe" der Männer verdienen mehr als die "Gruppe" der Frauen
  • Raucher haben ein höheres Herzinfarktrisiko als Nichtraucher
  • Es gibt einen Unterschied, zwischen Deutschland, Österreich und Frankreich in Bezug auf die Arbeitsstunden pro Woche

Eine Variable ist also immer eine kategorische Variable, z. B. Geschlecht (männlich, weiblich), Raucherstatus (Raucher, Nichtraucher) oder Land (Deutschland, Österreich und Frankreich); die andere Variable ist zumindest ordinal skaliert, z. B. Gehalt, Herzinfarktrisiko in Prozent oder Arbeitsstunden pro Woche.

Zusammenhangshypothesen

Zusammenhangshypothesen prüfen Zusammenhänge (engl. correlations) zwischen zwei Variablen.

Zusammenhangshypothesen

Zusammenhangshypothesen sind z.B.:

  • Je größer eine Person ist, desto schwerer ist sie
  • Je mehr PS ein Auto hat, desto höher ist der Verbrauch
  • Je besser die Mathe-Note ist, desto höher ist das zukünftige Gehalt

Wie an den Beispielen zu erkennen ist, haben Zusammenhangshypothesen oft die Form "Je mehr..., desto höher/niedriger...". Es werden also zumindest zwei ordinal skalierte Variablen untersucht.

vgl. Kuckartz et al.: Statistik, Eine verständliche Einführung, 2013

Gerichtete und ungerichtete Hypothesen

Hypothesen werden in gerichtete und ungerichtete bzw. in einseitige und zweiseitige Hypothesen eingeteilt. Kommen in der Hypothese Worte wie "besser als" oder "schlechter als" vor ist die Hypothese meistens gerichtet.

Gerichtete Hypothese

Bei einer ungerichteten Hypothese findet man oft in der Formulierung Bausteine wie "es gibt einen Unterschied zwischen", es wird jedoch nicht gesagt, in welche Richtung der Unterschied geht.

  • Bei einer ungerichteten Hypothese ist nur von Interesse, ob sich ein Wert der betrachteten Gruppen unterscheidet.
  • Bei einer gerichteten Hypothese ist von Interesse, ob eine Gruppe einen höheren bzw. niedrigeren Wert hat als die andere.
einseitiger und zweiseitiger Hypothesentest

Ungerichtete Hypothesen

Ungerichtete Hypothesen prüfen, ob es einen Zusammenhang oder einen Unterschied gibt, wobei es egal ist, in welche Richtung der Zusammenhang bzw. der Unterschied geht. Im Falle einer Unterschiedshypothese bedeutet dies, es gibt einen Unterschied zwischen zwei Gruppen, es wird aber nicht gesagt, ob eine der Gruppen einen höheren Wert hat.

  • Es gibt einen Unterschied zwischen dem Gehalt von Männern und Frauen (es wird aber nicht gesagt, wer mehr verdient!)
  • Das Herzinfarktrisiko unterscheidet sich zwischen Rauchern und Nichtrauchern (Es wird aber nicht gesagt, wer das höhere Risiko hat!).

In Bezug auf eine Zusammenhangshypothese bedeutet dies, es gibt einen Zusammenhang bzw. eine Korrelation zwischen zwei Variablen, es wird aber nicht gesagt, ob dieser Zusammenhang positiv oder negativ ist.

  • Es gibt einen Zusammenhang, zwischen Körpergröße und Gewicht
  • Es gibt bei Autos einen Zusammenhang, zwischen PS und Verbrauch

Es wird in beiden Fällen nicht gesagt, ob dieser Zusammenhang positiv oder negativ ist!

Gerichtete Hypothesen

Gerichtete Hypothesen geben zusätzlich die Richtung des Zusammenhansg oder des Unterschieds an. Im Falle der Unterschiedshypothese wird eine Aussage getroffen welche Gruppe einen höheren oder niedrigeren Wert hat.

  • Männer verdienen mehr als Frauen
  • Raucher haben ein höheres Herzinfarktrisiko als Nichtraucher

Bei einer Zusammenhangshypothese wird angegeben, ob der Zusammenhang positiv oder negativ ist.

  • Je größer eine Person ist desto schwerer ist sie
  • Je mehr PS ein Auto hat, desto höher ist der Kraftstoffverbrauch
Eine einseitige oder gerichtete Alternativhypothese umfasst nur Werte die sich in einer Richtung vom Wert der Nullhypothese unterscheiden.

Der p-Wert bei gerichteten Hypothesen

In der Regel berechnet eine Statistik-Software immer den ungerichteten Test und gibt hierfür dann auch den p-Wert aus.

Um den p-Wert für die gerichtete Hypothese zu erhalten, muss zunächst geprüft werden, ob der Mittelwertsunterschied in die richtige Richtung geht. Dann muss der p-Wert durch zwei geteilt werden. Dies ist deswegen der Fall, da das Signifikanzniveau nicht auf zwei Seiten aufgeteilt wird, sondern nur auf einer Seite liegt. Mehr dazu im Tutorial über den p-Wert.

Wählst du bei DATAtab beim berechneten Hypothesentest "gerichtet" aus, wird die Umrechnung automatisch vorgenommen und du brauchst nur das Ergebnis ablesen.

Schritt-für-Schritt-Anleitung zum Testen von Hypothesen

  • Literaturrecherche
  • Formulierung der Hypothese
  • Operationalisierung
  • Signifikanzniveau festlegen
  • Festlegung der Hypothesenart
  • Skalenniveau definieren
  • Welcher Hypothesentest ist für das Skalenniveau und der Hypothesenart geeignet?

Weiter geht es mit Hypothesentests

Im nächsten Tutorial geht es um Hypothesentests. Du lernst, was Hypothesentests sind, wie man den richtigen findet und wie man ihn interpretiert.


Statistik leichtgemacht

  • Viele anschauliche Beispiele
  • Ideal für Prüfungen und Abschlussarbeiten
  • Statistik leichtgemacht auf 321 Seiten
  • 4. überarbeitete Auflage (April 2024)
  • Nur 7,99 €
Leseprobe
Datatab

"Super einfach geschrieben"

"Einfacher geht es nicht"

"Soviele hilfreiche Beispiele"

Fragebogen leichtgemacht

Dieses e-Buch gibt dir die wichtigsten Informationen die du für die Erstellung deines Fragebogens brauchst,

  • Viele anschauliche Beispiele
  • Ideal für die Abschlussarbeit
  • Fragebogen leichtgemacht auf 61 Seiten
  • 3. überarbeitete Auflage (April 2024)
  • Nur 3,99 €
Leseprobe
Datatab

Statistik leichtgemacht

Endlich ohne Probleme Statistik verstehen.

Mit diesem e-Book verstehst du mit vielen Bilder und einfachen Text die Grundlagen der Statistik.

Datatab
Leseprobe

Literatur

Statistik: Der Weg zur Datenanalyse.
Fahrmeir, L. Heumann, C. Künstler, R. Pigeot, I. & Tutz, G.
Zum Buch auf Amazon
Statistik für Human- und Sozialwissenschaftler: Limitierte Sonderausgabe.
Bortz, J. & Schuster, C.
Zum Buch auf Amazon
Fit fürs Studium – Statistik: Alle Grundlagen verständlich erklärt. Geeignet für Studiengänge mit statistischen Methoden: VWL, BWL, Informatik etc.
Grabinger B.
Zum Buch auf Amazon
Multivariate Analysemethoden: Eine anwendungsorientierte Einführung.
Backhaus, K. Erichson, B. Plinke, P. & Weiber, R.
Zum Buch auf Amazon
evaluiert: erweitertes Planungsbuch für Evaluationen im Bildungsbereich
Balzer, L. & Beywl, W.
Zum Buch auf Amazon
Basiswissen Medizinische Statistik.
Weiß, C.
Zum Buch auf Amazon
Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften.
Doring, N. & Bortz, J.
Zum Buch auf Amazon

DATAtab zitieren: DATAtab Team (2024). DATAtab: Online Statistics Calculator. DATAtab e.U. Graz, Austria. URL https://datatab.de

Kontakt & Support Beratung FAQ & About Us Statistik Software Impressum & Datenschutz