Levene-Test in SPSS: signifikant oder nicht und was jetzt?

Du hast einen t-Test in SPSS gerechnet, und im Output steht neben deinem Ergebnis eine zweite Tabelle mit der Überschrift "Levene-Test auf V

arianzgleichheit". Zwei Zeilen, zwei unterschiedliche p-Werte und die Frage: Welche Zeile ist jetzt meine?

Genau an dieser Stelle bleiben sehr viele Abschlussarbeiten hängen. Dieser Beitrag erklärt dir, was der Levene-Test prüft, wie du seine beiden möglichen Ergebnisse liest, und warum die klassische Entscheidungsregel aus vielen Lehrbüchern methodisch inzwischen überholt ist.

Was der Levene-Test in SPSS überhaupt prüft

Der t-Test für unabhängige Stichproben vergleicht zwei Mittelwerte. In seiner klassischen Form (Student's t-Test) setzt er voraus, dass die Streuung in beiden Gruppen ungefähr gleich groß ist. Das nennt man Varianzhomogenität oder Homoskedastizität.

Der Levene-Test prüft genau das. Seine Nullhypothese lautet: Die Varianzen der Gruppen sind gleich.

Daraus folgt die entscheidende Lesart, die oft falsch verstanden wird:

• p > .05 → Nullhypothese wird beibehalten → Varianzen gelten als gleich → Voraussetzung erfüllt

• p ≤ .05 → Nullhypothese wird verworfen → Varianzen sind ungleich → Voraussetzung verletzt

Ein signifikanter Levene-Test ist also, anders als sonst, kein gutes Ergebnis. Er sagt dir, dass eine Annahme deines Tests nicht hält.

So findest du ihn im SPSS-Output

Du musst den Levene-Test in SPSS nicht separat anfordern. Er wird beim t-Test für unabhängige Stichproben automatisch mitgeliefert.

Weg: Analysieren → Mittelwerte vergleichen → t-Test bei unabhängigen Stichproben

Im Output erscheint eine breite Tabelle. Ganz links stehen die Spalten F und Signifikanz (in neueren Versionen Sig.) – das ist der Levene-Test. Rechts daneben folgen zwei Zeilen:

1. Varianzen sind gleich (Student's t-Test)

2. Varianzen sind nicht gleich (Welch-Test, in SPSS als Korrektur nach Welch-Satterthwaite)

Die klassische Regel lautet: Levene nicht signifikant → obere Zeile. Levene signifikant → untere Zeile.

Ein Beispiel

Du vergleichst die Konzentrationsleistung von 30 Personen mit und 30 Personen ohne Schlafentzug.

Fall A – Levene nicht signifikant: F(1, 58) = 0.84, p = .363

Die Varianzen unterscheiden sich nicht bedeutsam. Du liest die obere Zeile ab: t(58) = 2.46, p = .017, d = 0.64

Fall B – Levene signifikant: F(1, 58) = 6.21, p = .016

Die Varianzen unterscheiden sich. Du liest die untere Zeile ab. Beachte: Die Freiheitsgrade sind jetzt gebrochen, weil sie korrigiert wurden. t(48.32) = 2.31, p = .025, d = 0.60

Die gebrochenen Freiheitsgrade werden übernommen und nach APA auf zwei Nachkommastellen gerundet. Sie sind kein Fehler, sondern das erwartete Ergebnis der Welch-Korrektur.

Unsicher, ob deine Voraussetzungsprüfung sauber ist? Wir übernehmen die statistische Auswertung deiner Daten in SPSS, R, JASP oder Jamovi, inklusive vollständiger Voraussetzungsprüfung und verständlicher Ergebnisbesprechung.

Der wichtigste Punkt: die klassische Regel ist überholt

In vielen Lehrbüchern und Universitätsskripten steht noch das zweistufige Vorgehen: erst Levene testen, dann je nach Ergebnis Student oder Welch wählen.

Die methodische Literatur der letzten Jahre empfiehlt inzwischen etwas anderes: den Welch-Test standardmäßig zu verwenden, unabhängig vom Levene-Ergebnis.

Die Gründe sind gut nachvollziehbar:

Der Levene-Test ist selbst ein Test mit Fehlerrisiko. Bei kleinen Stichproben hat er wenig Power, er übersieht echte Varianzunterschiede. Bei großen Stichproben wird er schon bei praktisch bedeutungslosen Unterschieden signifikant. Du triffst deine Entscheidung also auf Basis eines unzuverlässigen Vorentscheids.

Vorgeschaltete Tests verzerren das Fehlerniveau. Wenn du erst testest und dann anhand des Ergebnisses dein Verfahren wählst, ist dein tatsächliches Alpha-Niveau nicht mehr die 5 %, die du berichtest.

Der Welch-Test kostet fast nichts. Sind die Varianzen tatsächlich gleich, liefert er nahezu identische Ergebnisse wie der Student-t-Test. Sind sie es nicht, ist er deutlich robuster.

Was heißt das für deine Arbeit?

Hier musst du pragmatisch sein. Wenn dein Betreuer oder dein Institutsskript das klassische zweistufige Vorgehen vorschreibt, halte dich daran, ein Methodenstreit kurz vor der Abgabe hilft dir nicht.

Ein sehr guter Mittelweg: Berichte den Welch-Test und begründe das in einem Satz im Methodenteil. Das wirkt methodisch reflektiert und ist verteidigungsfähig.

"Da der Welch-Test auch bei Varianzheterogenität robust ist und bei Varianzhomogenität kaum an Effizienz verliert, wurde er durchgängig verwendet."

Häufige Fehler

Die Interpretationsrichtung verwechseln. Der häufigste Fehler überhaupt: p < .05 wird als "Voraussetzung erfüllt" gelesen. Es ist genau umgekehrt.

Den Levene-Test im Ergebnisteil weglassen. Wenn du das klassische Vorgehen wählst, gehört die Entscheidungsgrundlage in die Arbeit. Ein Satz reicht.

Bei signifikantem Levene trotzdem die obere Zeile ablesen. Passiert häufiger als man denkt, weil die Tabelle unübersichtlich ist.

Levene mit dem Shapiro-Wilk-Test verwechseln. Levene prüft die Varianzgleichheit, Shapiro-Wilk die Normalverteilung. Zwei völlig verschiedene Voraussetzungen.

Die gebrochenen Freiheitsgrade "glattziehen." t(48.32) bleibt t(48.32). Runde nicht auf 48.

Wie du den Levene-Test nach APA 7 berichtest

Im Methoden- oder Ergebnisteil, kurz vor dem eigentlichen Testergebnis:

"Der Levene-Test zeigte keine Verletzung der Varianzhomogenität, F(1, 58) = 0.84, p = .363. Entsprechend wurde der t-Test für unabhängige Stichproben berechnet."

Oder bei Verletzung:

"Da der Levene-Test auf Varianzheterogenität hinwies, F(1, 58) = 6.21, p = .016, wurde die Welch-Korrektur verwendet."

Statistische Symbole werden nach APA kursiv gesetzt, p-Werte ohne führende Null. Wie das systematisch geht, steht ausführlich in unserem Beitrag zur APA-konformen Ergebnisdarstellung.

Und wenn beide Voraussetzungen verletzt sind?

Wenn zusätzlich zur Varianzheterogenität auch die Normalverteilungsannahme deutlich verletzt ist und deine Stichprobe klein ist, kommen Alternativen infrage:

• Mann-Whitney-U-Test als nichtparametrische Alternative

• Datentransformation, allerdings mit Vorsicht, weil die Interpretation schwieriger wird

Welcher Weg der richtige ist, hängt stark von deinen Daten und deiner Fragestellung ab. Eine Orientierung gibt unser Beitrag Welcher statistische Test ist der richtige?

Kurz zusammengefasst

• Der Levene-Test prüft, ob die Varianzen in beiden Gruppen gleich sind

• p > .05 heißt: Voraussetzung erfüllt. p ≤ .05 heißt: verletzt

• Bei Verletzung liest du in SPSS die untere Zeile mit den gebrochenen Freiheitsgraden

• Methodisch sauberer ist es, den Welch-Test grundsätzlich zu verwenden

• Die Entscheidung gehört mit Kennwerten in den Ergebnisteil

Du steckst bei der Voraussetzungsprüfung fest oder bist unsicher, welche Zeile im Output deine ist? Im 1:1-Statistikcoaching gehen wir gemeinsam per Bildschirmfreigabe durch deinen Datensatz , flexibel ab 30 Minuten. Oder wir übernehmen die Auswertung komplett. Kostenloses Erstgespräch vereinbaren