Ergebnisse interpretieren: Was deine Daten wirklich aussagen

1. Befund und Interpretation trennen

Beschreibe zuerst, was beobachtet wurde. Nenne die ausgewerteten Fälle, relevante Kennwerte und die dazugehörige Unsicherheit. Erst danach erläuterst du, wie der Befund zur Forschungsfrage und zur bisherigen Literatur passt.

Bei qualitativen Ergebnissen gilt die gleiche Trennung zwischen Material und Deutung: Ein Zitat zeigt eine konkrete Aussage. Dass es eine übergreifende Interpretation stützt, musst du am Materialvergleich erklären.

2. Den p-Wert nicht überinterpretieren

Ein p-Wert beschreibt unter einer festgelegten Nullhypothese und den Modellannahmen die Wahrscheinlichkeit, ein mindestens so extremes Testergebnis zu erhalten. Er ist weder die Wahrscheinlichkeit, dass die Nullhypothese wahr ist, noch die Größe eines Effekts.

Ein Ergebnis oberhalb einer gewählten Signifikanzschwelle beweist keine Wirkungslosigkeit. Umgekehrt bedeutet ein kleiner p-Wert nicht automatisch eine praktisch wichtige Veränderung. Betrachte Effektgröße, Unsicherheit und das gesamte Design.

Weiterführend: American Statistical Association: Statement on p-Values

3. Unterschiede verständlich berichten

Gib an, zwischen welchen Gruppen oder Zeitpunkten du vergleichst und in welcher Einheit das Ergebnis ausgedrückt ist. Ein Prozentwert ohne Nenner oder eine Veränderung ohne Ausgangswert lässt wichtige Informationen offen.

4. Eine belastbare Diskussion schreiben

Verknüpfe deine Interpretation mit passenden Quellen. Erkläre nicht nur, dass ein Ergebnis „mit der Literatur übereinstimmt“, sondern welcher Aspekt vergleichbar ist. Unterschiedliche Messinstrumente, Populationen oder Zeiträume können die Vergleichbarkeit einschränken.

Prüfe alternative Erklärungen und beschreibe die Grenzen deiner Untersuchung konkret. Formuliere daraus passende Anschlussfragen. Eine Beobachtungsstudie wird nicht dadurch zum Kausalnachweis, dass im Diskussionsteil das Wort „Einfluss“ verwendet wird.