top of page

64 pro Gruppe für d = 0.5, so planst du die Fallzahl in jamovi mit jpower und wann du doch G*Power brauchst

5. Nov.
4 Min. Lesezeit

Für d = 0.5, α = .05 und eine Power von .80 zeigt jpower in jamovi 64 Personen pro Gruppe. Diese Zahl hängt fast vollständig an einer einzigen Annahme, nämlich am erwarteten Effekt. Wer jamovi statt SPSS nutzt, braucht für die Fallzahlplanung oft kein zweites Programm. Bei manchen Designs kommt man aber nicht um eine andere Lösung herum.


Was jpower ist und was es abdeckt

jpower ist ein Zusatzmodul, das du in jamovi über die Modulbibliothek installierst. Es stammt von Richard Morey. Laut Projektseite sind bisher nur t-Tests umgesetzt. Du gibst drei Größen vor, das Modul berechnet die vierte. Für die Planung ist das die Fallzahl, nach Abschluss einer Studie wäre es eher der kleinste nachweisbare Effekt.


Die Tabelle 1 zeigt, wofür das Modul reicht und wofür du etwas anderes brauchst:

Design

jpower

Alternative

t-Test für unabhängige Stichproben

ja

nicht nötig

t-Test für abhängige Stichproben

ja

nicht nötig

Einstichproben-t-Test

ja

nicht nötig

ANOVA, auch mit Messwiederholung

nein

G*Power oder PAMLj

Korrelation und Regression

nein

G*Power oder PAMLj

Mediation, Mehrebenenmodell

nein

PAMLj oder Simulation


Stand November 2026 gibt die Projektseite keine neue Fassung an, die mehr abdeckt. Ein Blick in die aktuelle Modulbeschreibung lohnt sich trotzdem, bevor du dich festlegst. Eine englische Einführung bieten Bartlett und Charles.


Wie berechne ich die Fallzahl in jamovi?

Du installierst jpower, wählst den passenden t-Test und gibst den erwarteten Effekt, das Alpha-Niveau, die gewünschte Power und die Richtung des Tests an. Ausgegeben wird die Fallzahl pro Gruppe. Bei einem unabhängigen t-Test mit zweiseitiger Testung sind das für d = 0.5, α = .05 und eine Power von .80 die genannten 64 Personen, insgesamt also 128.


Wer gerichtet testet, kommt mit denselben Vorgaben auf 51 Personen pro Gruppe. Ob das zulässig ist, entscheidet nicht die Fallzahl. Die Überlegungen dazu stehen im Artikel zu einseitigen und zweiseitigen Tests.


Warum der halbe Effekt viermal so viele Personen verlangt

Die Fallzahl wächst mit dem Quadrat des Kehrwerts des Effekts. Die Tabelle 2 zeigt das für denselben Test mit denselben Vorgaben:

Angenommener Effekt

Personen pro Gruppe

Insgesamt

d = 0.80

26

52

d = 0.50

64

128

d = 0.25

253

506

d = 0.20

394

788


Schon die Wahl zwischen d = 0.50 und d = 0.25 entscheidet also, ob deine Studie machbar ist. Wie du Werte von Cohens d einordnest, hilft bei der Einschätzung, ersetzt aber keine Begründung für dein Thema.


Wie optimistisch ein Literatur-Effekt sein kann

Viele Arbeiten übernehmen den Effekt einer einzelnen Studie. Das ist riskant, weil veröffentlichte Effekte oft größer ausfallen als bei einer Wiederholung. In der großen SCORE-Replikationsstudie sank die mittlere Effektstärke von r = .25 in den Originalstudien auf r = .10 in den Replikationen. Bei einer Korrelation bedeutet das in der Planung rund 120 statt rund 780 Personen.


Drei Wege führen zu einer belastbareren Annahme:

  • Eine Metaanalyse nutzen. Der mittlere Effekt aus vielen Studien schwankt weniger als der Wert einer einzelnen Arbeit.

  • Den kleinsten relevanten Effekt festlegen. Du fragst, ab welcher Größe der Effekt für dein Fach überhaupt zählen würde.

  • Eine Sensitivitätsanalyse rechnen. Du gibst deine erreichbare Fallzahl vor und berichtest, welchen Effekt sie mit welcher Power finden kann.


Welcher Effekt zu deinem Fach und deinem Design passt, ist die eigentliche Entscheidung. Wir können deine Fallzahlplanung für das eigene Design gemeinsam mit dir begründen.

Wann du doch G*Power oder PAMLj brauchst

Sobald dein Design über einen t-Test hinausgeht, reicht jpower nicht mehr. G*Power ist das in der Psychologie vertraute Programm für ANOVA, Korrelation und Regression. Innerhalb von jamovi gibt es mit PAMLj ein weiteres Modul, das unter anderem faktorielle Designs, Mediation und Mehrebenenmodelle abdeckt. Es lohnt sich für alle, die jamovi nicht verlassen möchten.


Ein Wert aus der Rückschau hilft dagegen nicht weiter, das zeigt der Artikel zur Post-hoc-Power. Die Planung gehört vor die Datenerhebung. Wenn du eine Studie erst noch beantragst, lies auch, welche Angaben im Ethikantrag oft fehlen.


Was in den Methodenteil gehört

Nenne das Programm, das Modul, den Test, Effekt, Alpha, Power und die Begründung für den Effekt. Mit erfundenen Angaben könnte das so aussehen: „Die Fallzahl wurde a priori mit dem Modul jpower in jamovi für einen zweiseitigen t-Test für unabhängige Stichproben geplant. Für d = 0.50, α = .05 und eine Power von .80 ergaben sich 64 Personen pro Gruppe. Der angenommene Effekt entspricht dem mittleren Effekt einer Metaanalyse zum Thema.“ Ob dieser Absatz ausreicht, hängt von Hochschule und Betreuung ab.


Was du vor der Fallzahlplanung wissen solltest

Bei einem Vergleich von zwei Gruppen oder zwei Messzeitpunkten reicht es in der Regel aus. Sobald mehrere Gruppen oder Prädiktoren im Spiel sind, brauchst du eine andere Lösung. Welcher Test überhaupt passt, klärt der Artikel Welcher t-Test passt.

Ja, das Modul löst nach jeder der drei Größen auf. Sinnvoll ist das vor allem, wenn die Fallzahl feststeht und du wissen möchtest, welcher Effekt damit nachweisbar wäre. Die Power für ein schon gefundenes Ergebnis nachträglich zu berechnen, sagt dagegen wenig aus.

Das hängt von Design und Vorarbeit ab, ein einfacher Gruppenvergleich braucht weniger Zeit als ein Modell mit mehreren Ebenen. Die Sätze und den üblichen Ablauf findest du unter Preise und Ablauf.

Nenne jeweils das Programm mit Version, mit dem du tatsächlich gerechnet hast. Wie du Software zitierst, hängt auch von den Vorgaben deiner Hochschule ab. Wer die Version angibt, ist auf der sicheren Seite.


Wenn dein Effekt noch auf einer einzelnen Studie beruht Wir übernehmen die Fallzahlplanung und auf Wunsch die gesamte Auswertung in jamovi. Wenn du lieber selbst rechnest, gehen wir die Planung im Statistik-Coaching gemeinsam durch. Wie das abläuft, zeigt die Seite Preise und Ablauf. Kannst du heute schon begründen, woher dein angenommener Effekt stammt?


NEWSLETTER MIT GRATIS-PRÜFLISTE

​

Statistik-Tipps per E-Mail

​

Melde dich für unseren Newsletter an und du bekommst als Dankeschön sofort unsere Prüfliste „Stimmt deine Auswertung?“. Zwölf Punkte, die du vor der Abgabe selbst prüfen kannst.

​

Danach schreiben wir dir etwa zweimal im Monat mit neuen Blogartikeln, Anleitungen zu SPSS und R sowie Hinweisen auf unsere Angebote. Abmelden kannst du dich jederzeit mit einem Klick.

​

Die Prüfliste kommt als PDF direkt in dein Postfach.

Prüfliste und Newsletter

Mit deiner Anmeldung bekommst du die Prüfliste direkt in dein Postfach. Danach schicke ich dir etwa zweimal im Monat unseren Newsletter mit Tipps zu Auswertung, Ergebnisteil und APA 7.

Die Prüfliste kommt gleich per Mail. Für den Newsletter bekommst du zusätzlich einen Bestätigungslink.

bottom of page