Standardabweichung oder Standardfehler: Streuung der Daten und Präzision des Mittelwerts trennen

1. Vor der Zahl die gewünschte Aussage festlegen

Zwei Abbildungen können denselben Mittelwert zeigen und trotzdem völlig unterschiedliche Fehlerbalken besitzen. Das muss kein Rechenfehler sein: Möglicherweise beschreibt eine Darstellung die Unterschiede zwischen einzelnen Personen, während die andere die Präzision des geschätzten Mittelwerts zeigt. Schreibe deshalb zuerst auf, welche Information du vermitteln willst. Interessiert dich, wie unterschiedlich lange einzelne Aufgaben dauern, oder wie genau die mittlere Bearbeitungsdauer einer Population geschätzt werden kann?

Die Standardabweichung ist ein Maß für die Streuung der beobachteten Werte um ihren Mittelwert. Sie wird in derselben Einheit wie die Daten angegeben. Die NIST-Darstellung zu Streuungsmaßen erläutert außerdem, dass ungewöhnlich extreme Werte die Standardabweichung stark beeinflussen können. Prüfe deshalb neben der Kennzahl auch die Verteilung. Eine einzige Zahl zeigt weder mehrere Häufungen noch eine auffällige Schiefe oder möglicherweise verschiedene Gruppen in deinem Datensatz.

Weiterführend: NIST/SEMATECH e-Handbook: Measures of Scale

2. Den Standardfehler als andere Fragestellung verstehen

Der Standardfehler des Mittelwerts beschreibt, wie stark Mittelwertschätzungen bei gedachten wiederholten Stichproben unter dem angenommenen Verfahren streuen würden. Für unabhängige, gleichartig verteilte Beobachtungen wird er üblicherweise durch die Stichprobenstandardabweichung geteilt durch die Quadratwurzel der Stichprobengröße geschätzt. Diese Formel lautet kurz SE = s / √n. Sie ist keine universelle Rechenregel für beliebige Datenstrukturen, etwa viele Messungen derselben Person oder eng zusammengehörige Gruppen.

Im NIST-Verfahren für ein t-Konfidenzintervall des Mittelwerts bildet s / √n den Ausgangspunkt für die Intervallbreite; hinzu kommt der passende t-Faktor. Ein Standardfehler ist deshalb nicht schon ein 95-Prozent-Konfidenzintervall. Halte in deiner Auswertung fest, welchen Schätzer, welches Stichprobendesign und welches Intervallverfahren du verwendest. So vermeidest du, einen von der Software ausgegebenen Wert ohne Prüfung seiner Bedeutung in den Ergebnisteil zu übernehmen.

Weiterführend: NIST/SEMATECH e-Handbook: Confidence Limits for the Mean

3. Die beiden Größen an einem eigenen Beispiel auseinanderhalten

Fiktives Rechenbeispiel: Für 36 voneinander unabhängige Bearbeitungszeiten beträgt die Stichprobenstandardabweichung 12 Minuten. Der geschätzte Standardfehler des Mittelwerts beträgt dann 12 / √36 = 2 Minuten. Die beiden Zahlen beantworten verschiedene Fragen. Die 12 Minuten beschreiben die Streuung der Einzelzeiten in der Stichprobe. Die 2 Minuten charakterisieren unter den genannten Annahmen die Präzision des Mittelwertschätzers, nicht die typische Abweichung einer einzelnen Bearbeitungszeit.

Angenommen, eine weitere Stichprobe umfasst 144 unabhängige Beobachtungen und hat ebenfalls eine Standardabweichung von 12 Minuten. Dann ergibt sich ein Standardfehler von 1 Minute. Die geringere Unsicherheit des Mittelwerts bedeutet nicht, dass einzelne Aufgaben nun gleichmäßiger erledigt werden. Ebenso wenig beweist sie eine unverzerrte Auswahl: Ein sehr präziser Mittelwert aus einer systematisch unpassenden Stichprobe kann die interessierende Population weiterhin schlecht beschreiben. Größer ist nicht automatisch passender.

4. Fehlerbalken und Tabellen eindeutig beschriften

Eine Angabe wie 42 ± 2 Minuten bleibt ohne Erläuterung mehrdeutig. Ergänze, ob die Zahl nach dem Plusminuszeichen eine Standardabweichung, ein Standardfehler oder eine andere Größe bezeichnet. Nenne die Stichprobengröße und die Einheit. Bei einer Abbildung gehört diese Information in die Legende, damit die Grafik auch außerhalb des Fließtexts verständlich bleibt. Verwende innerhalb einer zusammengehörigen Darstellung dieselbe Bedeutung der Balken oder kennzeichne Unterschiede unmissverständlich.

Wähle die Darstellung nicht danach, welche Balken kleiner und damit überzeugender aussehen. Für die Beschreibung unterschiedlicher Bearbeitungszeiten können Einzelpunkte und eine passende Zusammenfassung informativer sein. Für die Unsicherheit einer Mittelwertdifferenz ist wiederum deren eigenes Intervall entscheidend. Zwei getrennte Fehlerbalken der Gruppen beantworten diese Frage nicht automatisch. Formuliere zunächst deinen Vergleich und lasse daraus folgen, welche Schätzung und welche Unsicherheit tatsächlich gezeigt werden sollen.

5. Datenstruktur und Interpretation gemeinsam prüfen

Zähle vor einer Berechnung nach, was n bedeutet. Wenn zehn Personen jeweils zehn Aufgaben bearbeiten, hast du nicht ohne Weiteres hundert unabhängige Personenbeobachtungen. Solche Abhängigkeiten müssen im Auswertungsverfahren berücksichtigt werden. Prüfe außerdem fehlende Werte, Einheiten und die Frage, ob Mittelwert und Standardabweichung zum betrachteten Merkmal passen. Bei auffälligen Verteilungen kann eine zusätzliche robuste Zusammenfassung sinnvoll sein; sie sollte eine fachlich begründete Darstellung ergänzen und nicht unbequeme Ergebnisse verdecken.

Der Abschlusswerk-Statistikbereich unterstützt die Orientierung bei deiner Auswertungsfrage. Für komplexe Datenstrukturen solltest du das Modell mit methodischer Betreuung abstimmen. Lies anschließend jeden Ergebnissatz gegen die tatsächlich berichtete Kennzahl: Beschreibst du einzelne Werte, einen Mittelwert oder eine Differenz? Diese einfache Zuordnung ist ein wirksamer Schlusscheck. Sie verhindert, dass ein korrekt berechneter Standardfehler durch eine falsche Erklärung im Text zu einer irreführenden wissenschaftlichen Aussage wird.