APA-Richtlinien: Effektgröße, Konfidenzintervall und Power berichten

„t(98) = 2.34, p = .021“ reicht nach den APA-Richtlinien nicht aus. Das Publication Manual der APA verlangt in der 7. Auflage zu jedem inferenzstatistischen Test eine Effektgröße und empfiehlt dazu ein Konfidenzintervall. Bei geplanten Studien gehört außerdem eine Poweranalyse in den Methodenteil. In diesem Beitrag siehst du, welche Effektgröße zu welchem Verfahren passt, wie du Konfidenzintervalle schreibst und welche Angaben zur Power gehören. Die Grundregeln zu Nachkommastellen, Kursivschrift und führender Null stehen im Beitrag Ergebnisse nach APA 7 berichten.

Welche Effektgröße verlangen die APA-Richtlinien?

Eine Effektgröße beschreibt, wie groß ein Unterschied oder ein Zusammenhang ist. Der p-Wert sagt dagegen nur, ob ein Ergebnis mit dem Zufall gut vereinbar ist. Die APA empfiehlt die Effektgröße, die für dein Verfahren üblich und am leichtesten zu interpretieren ist. Die Tabelle zeigt die gängigen Kennwerte.

Verfahren	Übliche Effektgröße	Beispiel
t-Test für unabhängige Stichproben	Cohen’s d, bei sehr kleinen Gruppen Hedges’ g	d = 0.47
t-Test für abhängige Stichproben	dz oder dav, die Wahl gehört in den Text	dz = 0.49
Einfaktorielle ANOVA	η² oder partielles η², seltener ω²	η² = .16
Korrelation	r	r = .34
Lineare Regression	R², für einzelne Prädiktoren f²	R² = .21
Chi-Quadrat-Test	Cramér’s V, bei 2 × 2 Tabellen φ	V = .22
Logistische Regression	Odds Ratio	OR = 2.35

Welche Effektgröße zu selteneren Verfahren gehört, steht im Beitrag Welche Effektstärke gehört zu welchem Verfahren?

Ein vollständiger Ergebnissatz für einen t-Test sieht so aus (erfundene Werte, 50 Personen pro Gruppe).

„Die Gruppe mit Lernpausen erinnerte mehr Wörter als die Gruppe ohne Pausen, t(98) = 2.34, p = .021, d = 0.47, 95%-KI [0.07, 0.86].“

Vor diesem Satz liegt eine Entscheidung, die in vielen Arbeiten fehlt. Ob d, dz oder Hedges’ g passt, hängt vom Design und von der Gruppengröße ab, bei Messwiederholung ändert sich sogar die Berechnung. Ob dein Ergebnisteil diese Wahl sauber begründet, prüfe ich im statistischen Lektorat. Ergebnisteil prüfen lassen

Wie berichtest du ein Konfidenzintervall nach APA 7?

Das Konfidenzintervall zeigt, wie genau deine Schätzung ist. Nach APA 7 steht es in eckigen Klammern direkt hinter dem Kennwert, erst die untere, dann die obere Grenze. Beim ersten Vorkommen nennst du das Niveau, also 95%-KI, danach genügt KI. Die Grenzen haben so viele Nachkommastellen wie der Kennwert selbst. Hat der Kennwert keine führende Null, haben auch die Grenzen keine.

„Arbeitszufriedenheit und Produktivität hingen positiv zusammen, r(98) = .34, p < .001, 95%-KI [.15, .50].“

Häufig falsch gedeutet wird, was das Intervall aussagt. Ein 95%-KI heißt nicht, dass der wahre Wert mit 95 % Wahrscheinlichkeit zwischen den Grenzen liegt. Es heißt, dass bei vielen Wiederholungen der Studie 95 % der so berechneten Intervalle den wahren Wert enthalten würden. Praktisch liest du an der Breite ab, wie viel Unsicherheit bleibt.

Ein Beispiel mit erfundenen Werten und 25 Personen pro Gruppe macht das sichtbar.

„t(48) = 2.13, p = .038, d = 0.61, 95%-KI [0.03, 1.17]“

Das Ergebnis ist signifikant, aber das Intervall reicht von einem kaum messbaren bis zu einem großen Effekt. In der Diskussion formulierst du deshalb vorsichtig. Weitere Beispiele für Mittelwerte, Regressionskoeffizienten und Odds Ratios findest du unter Konfidenzintervall angeben.

In Tabellen bekommt das Konfidenzintervall eine eigene Spalte oder zwei Spalten für die untere und die obere Grenze. Wie die ganze Tabelle aufgebaut ist, steht im Beitrag APA-Tabellen erstellen.

Was gehört zur Power in den Bericht?

Die Power ist die Wahrscheinlichkeit, mit der ein Test einen tatsächlich vorhandenen Effekt einer bestimmten Größe findet. Die APA-Richtlinien verlangen, dass du begründest, wie deine Stichprobengröße zustande kam. Am klarsten geht das mit einer Poweranalyse vor der Datenerhebung. In den Methodenteil gehören dann diese Angaben.

• die angenommene Effektgröße und woher sie stammt, etwa aus einer früheren Studie oder einer Konvention

• das Signifikanzniveau α und ob ein- oder zweiseitig getestet wird

• die angestrebte Power, meist .80

• das Verfahren, für das gerechnet wurde

• die Software mit Versionsnummer

Ein Mustersatz mit erfundenen Annahmen lautet so.

„Da zu dieser Fragestellung keine Vorstudien vorlagen, wurde ein mittlerer Effekt von d = 0.50 angenommen (Cohen, 1988). Die Stichprobengröße wurde vorab mit G*Power 3.1.9.7 (Faul et al., 2007) für einen zweiseitigen t-Test für unabhängige Stichproben mit α = .05 und einer Power von .80 bestimmt. Es ergaben sich 64 Personen pro Gruppe, also 128 insgesamt.“

Wie du die Rechnung in G*Power aufsetzt, zeigt der Beitrag Stichprobengröße mit G*Power berechnen.

Eine Power, die nach der Studie aus dem beobachteten Effekt berechnet wird, lässt du weg. Sie ist nur eine Umrechnung des p-Werts und bringt keine neue Information. Bei einem nicht signifikanten Ergebnis fällt sie zwangsläufig niedrig aus. Aussagekräftiger ist eine Sensitivitätsanalyse. Sie zeigt, ab welcher Effektgröße deine Fallzahl einen Effekt mit ausreichender Power gefunden hätte. Die Gründe stehen ausführlich im Beitrag Post-hoc-Power berechnen?

Wie zitierst du Effektgrößen, Grenzwerte und Software?

Für übliche Effektgrößen wie d, r oder η² brauchst du keine Quelle. Wenn du Grenzwerte für kleine, mittlere und große Effekte nutzt, zitierst du die Originalquelle, meist Cohen (1988). Die Software für Auswertung und Poweranalyse nennst du im Methodenteil mit Versionsnummer. Wie die Einträge im Literaturverzeichnis für SPSS, R, G*Power und Cohen aussehen, steht im Beitrag Software und Methodenquellen nach APA 7 zitieren.

Checkliste vor der Abgabe

1. Zu jedem Test steht eine passende Effektgröße.

2. Zentrale Effekte haben ein 95%-KI in eckigen Klammern.

3. Kennwerte bis 1 wie r, η² und p stehen ohne führende Null, d steht mit führender Null.

4. Die Stichprobengröße ist im Methodenteil begründet, bei geplanten Studien mit Poweranalyse.

5. Grenzwerte und Software sind zitiert, die Software mit Versionsnummer.

Häufige Fragen

Muss ich nach APA 7 zu jedem Test eine Effektgröße angeben?

Ja, zu jedem inferenzstatistischen Test. Das gilt auch für nicht signifikante Ergebnisse, denn gerade dort zeigt die Effektgröße, ob ein bedeutsamer Effekt unwahrscheinlich ist.

Schreibe ich d mit oder ohne Null vor dem Dezimalpunkt?

Mit Null, also d = 0.47. Die führende Null entfällt nur bei Kennwerten, die nicht größer als 1 werden können, etwa r, η² oder p.

Brauche ich bei jedem Ergebnis ein Konfidenzintervall?

Die APA empfiehlt Konfidenzintervalle für alle zentralen Schätzungen, also vor allem für die Effekte, die deine Hypothesen prüfen. Viele Hochschulen verlangen sie nicht ausdrücklich. Mit Konfidenzintervall wird dein Ergebnisteil vollständiger und deine Diskussion genauer.

Was kostet es, den Ergebnisteil prüfen zu lassen?

Das hängt vom Umfang deiner Arbeit und von der Zahl der Analysen ab. Wie sich der Aufwand zusammensetzt, steht im Beitrag Was kostet eine statistische Auswertung? Im kostenlosen Erstgespräch bekommst du eine Einschätzung für deine Arbeit.

Effektgröße, Konfidenzintervall und Power in deiner Arbeit

In vielen Arbeiten stimmen die Zahlen, aber die Wahl der Effektgröße oder die Begründung der Stichprobe fehlt. Im statistischen Lektorat prüfe ich Kennwerte, Formulierungen und Tabellen deines Ergebnisteils. Im Erstgespräch klären wir, was deine Arbeit braucht.

Lass prüfen, ob Effektgröße, Konfidenzintervall und Power in deinem Ergebnisteil zusammenpassen

Kostenloses Erstgespräch vereinbaren

Literatur

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000

• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Erlbaum.

• Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175-191. https://doi.org/10.3758/BF03193146

• Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863. https://doi.org/10.3389/fpsyg.2013.00863

Aktualisiert im Oktober 2026 von Alrunya Balabanoglu-Lange, Psychologin und Statistikberaterin bei StatistikWunder.