t Test oder Mann Whitney U Test: So findest du das passende Verfahren

Wer zwei Gruppen statistisch vergleichen will, steht vor der Frage: t Test oder Mann Whitney U Test? Meist taucht sie erst auf, wenn Daten, Forschungsfrage und Abgabetermin längst feststehen. Dann wirkt die Wahl wie eine reine Bedienfrage der Software.

Methodisch entscheidet sie jedoch darüber, welche Aussagen deine Ergebnisse tragen. Wichtiger als die Normalverteilung sind zunächst Studiendesign, Skalenniveau der Zielvariable und die Aussage, die du am Ende treffen möchtest.

Zwei Tests, zwei verschiedene Fragen

Der t Test für unabhängige Stichproben vergleicht die Mittelwerte einer metrischen Variable zwischen zwei Gruppen. Metrisch heißt, dass Abstände zwischen Werten inhaltlich sinnvoll sind, etwa bei Zeiten oder Punktwerten. Ein Beispiel: Unterscheidet sich die mittlere Schmerzintensität zwischen Interventionsgruppe und Kontrollgruppe?

Der Mann Whitney U Test arbeitet dagegen mit Rängen, also mit der Position jedes Werts in einer gemeinsamen Rangfolge aller Beobachtungen. Er prüft, ob die Werte einer Gruppe systematisch höher oder niedriger liegen. Gut geeignet ist er für ordinale Daten wie einzelne Likert Items sowie für stark schiefe metrische Daten mit Ausreißern.

Austauschbar sind beide Verfahren deshalb nicht. Nur wenn die Verteilungen beider Gruppen ähnlich geformt sind, lässt sich das Ergebnis des Mann Whitney U Tests als Unterschied der zentralen Lage lesen. Die Behauptung, er vergleiche grundsätzlich Mediane, ist zu pauschal.

Zuerst prüfen: Sind die Gruppen unabhängig?

Unabhängig sind Gruppen, wenn jede Person genau einen Wert liefert und die Werte der einen Gruppe die der anderen nicht beeinflussen. Zwei getrennte Therapiegruppen erfüllen das häufig.

Misst du dieselben Personen vor und nach einer Maßnahme oder vergleichst du gezielt gebildete Paare, liegt ein verbundenes Design vor. Dann passt keiner der beiden Tests; infrage kommen der t Test für verbundene Stichproben oder der Wilcoxon Vorzeichenrangtest. Die ähnlich klingenden Wilcoxon Verfahren werden in Abschlussarbeiten oft verwechselt. Eine Checkliste im Ratgeber zu Statistik und Datenanalyse hilft, solche Fehler früh zu erkennen, denn eine falsche Zuordnung macht Standardfehler und p Werte unzuverlässig.

Wann der t Test passt

Der t Test eignet sich, wenn deine Zielvariable metrisch ist und ein Mittelwertvergleich inhaltlich Sinn ergibt. Perfekt normalverteilt müssen die Daten nicht sein. Entscheidend ist, ob die Verteilung in den Gruppen bei deiner Stichprobengröße ausreichend unauffällig ist und starke Ausreißer fehlen.

Die klassische Variante nach Student verlangt außerdem gleiche Varianzen, also eine ähnliche Streuung der Werte in beiden Gruppen. Ist das nicht gegeben, ist der Welch Test meist die bessere Wahl. Er vergleicht ebenfalls Mittelwerte, korrigiert aber Freiheitsgrade und Standardfehler.

Ein Beispiel: Du vergleichst die durchschnittliche Zahl der Tage bis zur Rückkehr an den Arbeitsplatz in zwei Behandlungsgruppen. Bei plausibel metrischer Messung ohne extreme Ausreißer beantwortet der Welch Test deine Frage direkt. Nur wegen eines auffälligen Normalitätstests zum Mann Whitney U Test zu wechseln, wäre kein automatischer Gewinn.

Wann der Mann Whitney U Test überzeugt

Ist deine Zielvariable ordinal oder prägen Ausreißer, Schiefe, Bodeneffekte oder Deckeneffekte eine metrische Variable so stark, dass Mittelwerte kaum interpretierbar sind, spricht vieles für den rangbasierten Test. Er setzt keine Normalverteilung der Rohwerte voraus und reagiert weniger empfindlich auf Extremwerte.

Typisch sind Antworten auf einer fünfstufigen Zustimmungsskala: Die Reihenfolge der Kategorien ist klar, gleiche Abstände sind es nicht. Achte auf Bindungen, also mehrfach vorkommende identische Werte, für die die Software korrigieren muss. Bei sehr kleinen Stichproben kann ein exakter p Wert sinnvoll sein. Da SPSS, R, Jamovi, JASP und Stata hier nicht identisch vorgehen, solltest du deine Einstellungen dokumentieren.

Normalverteilung ist nicht das einzige Kriterium

Verbreitet ist die Regel: Shapiro Wilk Test signifikant, also Mann Whitney U Test; nicht signifikant, also t Test. Das greift zu kurz. In großen Stichproben meldet der Normalitätstest schon praktisch bedeutungslose Abweichungen, in kleinen übersieht er wegen geringer Teststärke auch deutliche.

Betrachte stattdessen Histogramm, Quantil Quantil Diagramm, Ausreißer, Gruppengrößen und Varianzen gemeinsam mit deiner Forschungsfrage. Frage dich auch, ob ein Mittelwert für deine Variable wissenschaftlich aussagekräftig ist. Ein Summenwert aus mehreren Likert Items lässt sich unter bestimmten Voraussetzungen annähernd metrisch auswerten, ein einzelnes Item eher nicht.

Vier Leitfragen für deine Wahl

• Vergleichst du unabhängige Gruppen oder verbundene Messungen?
• Ist deine Zielvariable metrisch oder nur ordinal?
• Geht es um Mittelwerte oder eher um Ränge und Verteilungen?
• Zeigen Grafiken starke Schiefe, Ausreißer oder ungleiche Varianzen?

Unabhängige Gruppen, metrische Zielvariable und sinnvolle Mittelwerte sprechen für den t Test, bei ungleichen Varianzen für den Welch Test. Bei Clusterstrukturen, stark ungleichen Gruppengrößen, vielen fehlenden Werten oder mehreren Messzeitpunkten reichen beide nicht aus; dann bilden lineare oder gemischte Modelle, robuste Verfahren oder Regressionsanalysen das Design besser ab.

Ergebnisse vollständig berichten

Ein sauberer Bericht nennt Testverfahren, Gruppen, Stichprobengrößen, Teststatistik, beim t Test die Freiheitsgrade, den p Wert und eine Effektgröße. Zum t Test gehören Mittelwerte und Standardabweichungen, zum Mann Whitney U Test eher Median und Interquartilsabstand. Als Effektgrößen eignen sich beim t Test Cohen's d oder Hedges' g (bei kleinen Stichproben mit Verzerrungskorrektur), beim Mann Whitney U Test die rangbiseriale Korrelation oder Cliff's Delta.

Ein nicht signifikantes Ergebnis beweist nicht, dass die Gruppen gleich sind. Ein signifikantes sagt nichts über praktische oder klinische Relevanz aus.

Fazit

Die Wahl beginnt beim Studiendesign und Skalenniveau, nicht beim Normalitätstest. Wer klärt, welche Aussage die Daten tragen sollen, findet meist das passende Verfahren und kann es nachvollziehbar begründen.