Erstellt am: 20. Juli 2026 um 21:33

Einfaktorielle ANOVA – Rechner

Eingaben

Werte der Gruppe 1	85, 90, 88, 92, 87
Werte der Gruppe 2	78, 82, 80, 85, 79
Werte der Gruppe 3	91, 95, 93, 96, 94

Mathematik

Einfaktorielle ANOVA – Rechner

Führt eine einfaktorielle Varianzanalyse über drei Gruppen durch. Füge die Rohwerte jeder Gruppe ein und erhalte die vollständige ANOVA-Tabelle – Quadratsummen, Freiheitsgrade und mittlere Quadrate – sowie die F-Statistik, den p-Wert und eine Signifikanzentscheidung.

Gruppendaten

Werte der Gruppe 1

Werte der Gruppe 2

Werte der Gruppe 3

Geben Sie einen Wert ein, um die Ergebnisse zu sehen.

F-Statistik

p-Wert

ANOVA-Tabelle

Quadratsumme zwischen den Gruppen

Freiheitsgrade zwischen den Gruppen

Mittleres Quadrat zwischen den Gruppen

Quadratsumme innerhalb der Gruppen

Freiheitsgrade innerhalb der Gruppen

Mittleres Quadrat innerhalb der Gruppen

Gesamtübersicht

Gesamtmittelwert

Gesamtzahl der Beobachtungen

F-Statistik

\begin{aligned} F &= \dfrac{MS_B}{MS_W} = \dfrac{SS_B / df_B}{SS_W / df_W} \\ &= \dfrac{? / ?}{? / ?} \\ &= \dfrac{?}{?} = ? \end{aligned}

p-Wert

\begin{aligned} p &= P(F_{df_B,\,df_W} > F) \\ &= 1 - F_{F}(?,\, ?,\, ?) \\ &= ? \end{aligned}

Zuletzt aktualisiert: 2026-07-02

Was dieser Rechner leistet

Dieser Rechner führt eine einfaktorielle Varianzanalyse (ANOVA) über drei Gruppen durch. Füge die Rohwerte jeder Gruppe ein, und er liefert die vollständige ANOVA-Tabelle — die Quadratsummen zwischen und innerhalb der Gruppen, ihre Freiheitsgrade und mittleren Quadrate — zusammen mit der F-Statistik, ihrem p-Wert und einer klaren Signifikanzentscheidung.

Was die einfaktorielle ANOVA beantwortet

Drei Gruppen erzeugen drei Mittelwerte, und diese Mittelwerte sind fast nie identisch, selbst wenn die Gruppen aus demselben Prozess stammen — schon die zufällige Stichprobenziehung sorgt für Streuung. Die einfaktorielle ANOVA stellt eine präzise Frage: Wenn alle drei Populationsmittelwerte wirklich gleich wären, wie überraschend wären dann Unterschiede zwischen den Stichprobenmittelwerten in dieser Größenordnung? Die Antwort ist der p-Wert.

Die Idee besteht darin, zwei Quellen der Variation zu vergleichen. Ein Teil der Streuung in den gepoolten Daten rührt daher, dass die Gruppen auf unterschiedlichen Niveaus liegen; der Rest stammt aus der natürlichen Streuung der Beobachtungen um ihren eigenen Gruppenmittelwert. Ist die erste Quelle im Verhältnis zur zweiten groß, sind die Gruppenmittelwerte wahrscheinlich nicht gleich.

Die Quadratsummen

Die ANOVA zerlegt die Gesamtvariation in einen Zwischen-Gruppen- und einen Innerhalb-Gruppen-Teil.

Die Quadratsumme zwischen den Gruppen misst, wie weit jeder Gruppenmittelwert vom Gesamtmittelwert $\bar{x}$ entfernt liegt (dem Mittelwert aller gepoolten Beobachtungen), gewichtet mit der Gruppengröße $n_j$ :

SS_B = \sum_{j} n_j\,(\bar{x}_j - \bar{x})^2

Die Quadratsumme innerhalb der Gruppen misst, wie weit jede Beobachtung $x_{ij}$ von ihrem eigenen Gruppenmittelwert $\bar{x}_j$ entfernt liegt:

SS_W = \sum_{j} \sum_{i} (x_{ij} - \bar{x}_j)^2

Freiheitsgrade und mittlere Quadrate

Jede Quadratsumme wird durch Teilen durch ihre Freiheitsgrade in ein mittleres Quadrat umgewandelt. Mit $k$ Gruppen und $N$ Beobachtungen gilt:

df_B = k - 1, \qquad df_W = N - k

MS_B = \frac{SS_B}{df_B}, \qquad MS_W = \frac{SS_W}{df_W}

Das mittlere Quadrat innerhalb der Gruppen $MS_W$ ist eine gepoolte Schätzung der gemeinsamen Fehlervarianz. Das mittlere Quadrat zwischen den Gruppen $MS_B$ schätzt dieselbe Varianz nur, wenn die Gruppenmittelwerte gleich sind; unterscheiden sie sich, ist es aufgebläht.

Die F-Statistik

Die Teststatistik ist das Verhältnis der beiden mittleren Quadrate:

F = \frac{MS_B}{MS_W}

Sind alle Populationsmittelwerte gleich, schätzen beide mittleren Quadrate dieselbe Varianz und $F$ liegt nahe bei 1. Unterscheiden sich die Gruppenmittelwerte wirklich, wächst der Zähler und $F$ steigt über 1. Der p-Wert ist die obere Schwanzfläche der F-Verteilung mit $(df_B, df_W)$ Freiheitsgraden jenseits des beobachteten $F$ :

p = P\!\left(F_{df_B,\,df_W} > F\right)

Durchgerechnetes Beispiel

Angenommen, drei Lehrmethoden werden mit je fünf Schülern getestet:

Gruppe 1: 85, 90, 88, 92, 87 (Mittelwert 88,4)
Gruppe 2: 78, 82, 80, 85, 79 (Mittelwert 80,8)
Gruppe 3: 91, 95, 93, 96, 94 (Mittelwert 93,8)

Der Gesamtmittelwert ist $\bar{x} \approx 87,67$ , mit $N = 15$ und $k = 3$ .

\begin{aligned} SS_B &= 5(88{,}4 - 87{,}67)^2 + 5(80{,}8 - 87{,}67)^2 + 5(93{,}8 - 87{,}67)^2 \approx 426{,}53 \\[4pt] SS_W &= 74{,}80 \\[4pt] df_B &= 3 - 1 = 2, \qquad df_W = 15 - 3 = 12 \\[4pt] MS_B &= \frac{426{,}53}{2} \approx 213{,}27, \qquad MS_W = \frac{74{,}80}{12} \approx 6{,}23 \\[4pt] F &= \frac{213{,}27}{6{,}23} \approx 34{,}21 \\[4pt] p &= P(F_{2,\,12} > 34{,}21) \approx 0{,}000011 \end{aligned}

Mit $p \approx 0{,}00001$ , weit unter 0,05, gibt es starke Belege dafür, dass mindestens eine Lehrmethode einen anderen Mittelwert erzeugt.

Nach einem signifikanten Ergebnis

Eine signifikante ANOVA sagt, dass sich mindestens ein Gruppenmittelwert unterscheidet — aber nicht welcher. Um die Unterschiede zu lokalisieren, folge mit einem Post-hoc-Verfahren wie Tukeys HSD oder paarweisen Zwei-Stichproben-t-Test (Welch)-Vergleichen mit Korrektur für multiples Testen. Ergänze das Urteil um ein Effektstärkemaß wie Eta-Quadrat, das beschreibt, wie viel der Gesamtvariation die Gruppenunterschiede erklären.

Voraussetzungen

Die einfaktorielle ANOVA beruht auf einigen Bedingungen:

Unabhängigkeit — die drei Gruppen sind unabhängig, und die Beobachtungen innerhalb jeder Gruppe sind unabhängig.
Näherungsweise Normalverteilung — die Werte in jeder Gruppe sind ungefähr normalverteilt, oder die Stichproben sind groß genug, damit der zentrale Grenzwertsatz greift.
Varianzhomogenität — die Gruppen haben eine ähnliche Streuung. Weichen die Varianzen stark ab, ist eine Welch-korrigierte ANOVA verlässlicher als die hier verwendete klassische Form.

Sind nur zwei Gruppen beteiligt, reduziert sich die klassische ANOVA genau auf einen Mittelwertvergleich; das direkte Gegenstück für zwei Gruppen ist der Zwei-Stichproben-t-Test (Welch). Um zunächst die Streuung innerhalb einer einzelnen Gruppe zu prüfen, fassen der Varianz und Standardabweichung berechnen und die Deskriptive Statistik Rechner ihr Zentrum und ihre Streuung zusammen.

Häufig gestellte Fragen (FAQ)

Was ist eine einfaktorielle ANOVA?

Die einfaktorielle Varianzanalyse (ANOVA) vergleicht die Mittelwerte von drei oder mehr unabhängigen Gruppen auf einmal. Sie zerlegt die Gesamtvariation der Daten in zwei Teile: die Variation zwischen den Gruppenmittelwerten und die Variation innerhalb der Gruppen. Ist der erste Teil im Verhältnis zum zweiten groß, sind die Gruppenmittelwerte wahrscheinlich nicht gleich. Der Vergleich wird durch eine F-Statistik und einen p-Wert zusammengefasst.

Warum nicht einfach mehrere t-Tests durchführen?

Ein separater t-Test für jedes Gruppenpaar erhöht die Gefahr eines falsch positiven Ergebnisses: Bei drei Gruppen gibt es drei Vergleiche, und jeder trägt seine eigene Fehlerrate.

Die ANOVA prüft alle Gruppen zusammen in einem einzigen Test und hält so die Gesamtrate falsch positiver Ergebnisse unter Kontrolle. Setze zuerst die ANOVA ein, um zu fragen, ob sich irgendwelche Mittelwerte unterscheiden, und folge bei Signifikanz mit paarweisen Post-hoc-Vergleichen.

Was bedeutet die F-Statistik?

Die F-Statistik ist das Verhältnis des mittleren Quadrats zwischen den Gruppen zum mittleren Quadrat innerhalb der Gruppen. Sind alle Populationsmittelwerte gleich, schätzen beide mittleren Quadrate dieselbe Fehlervarianz, und F liegt nahe bei 1. Unterscheiden sich die Gruppenmittelwerte wirklich, wächst der Zähler und F steigt über 1. Wie weit über 1 als auffällig gilt, hängt von den Freiheitsgraden ab – genau das erfasst der p-Wert.

Die ANOVA ist signifikant – welche Gruppen unterscheiden sich?

Eine signifikante ANOVA sagt, dass sich mindestens ein Gruppenmittelwert unterscheidet, aber nicht welcher. Um die Unterschiede zu lokalisieren, führe ein Post-hoc-Verfahren wie Tukeys HSD oder paarweise Vergleiche mit Korrektur für multiples Testen durch. Es lohnt sich außerdem, ein Effektstärkemaß wie Eta-Quadrat zu berichten, das beschreibt, wie viel der Gesamtvariation die Gruppenunterschiede erklären.

Weitere Empfehlungen

Zwei-Stichproben-t-Test (Welch)

Führt einen Welch-t-Test für zwei Stichproben aus Kennzahlen durch. Eingaben: Mittelwert, Standardabweichung und Umfang zweier unabhängiger Gruppen. Ausgaben: t-Statistik, Freiheitsgrade und zweiseitiger p-Wert.

Mehr erfahren

Einstichproben-t-Test-Rechner

Prüfen Sie, ob sich ein Stichprobenmittelwert von einem angenommenen Populationsmittelwert unterscheidet. Geben Sie Mittelwert, Standardabweichung und Umfang der Stichprobe ein, wählen Sie die Richtung der Hypothese und erhalten Sie t-Statistik, Freiheitsgrade und p-Wert.

Mehr erfahren