top of page

G*Power: Stichprobengröße berechnen mit Beispiel

2. Sept.
4 Min. Lesezeit

Aktualisiert: vor 6 Tagen

Für einen t-Test mit zwei Gruppen, einem mittleren Effekt von d = 0.50 und einer Power von .80 brauchst du in G*Power 64 Personen pro Gruppe. „Wie viele Leute brauche ich?“ ist die Frage, die vor der Erhebung gestellt werden sollte und oft erst danach kommt. Dieser Beitrag zeigt dir, wie die Berechnung funktioniert und was du tun kannst, wenn es für die Planung zu spät ist. Wie du das Ergebnis in einem Antrag begründest, steht im Beitrag zur Fallzahl im Ethikantrag.


Welche vier Größen hängen zusammen?


Jede Fallzahlplanung verbindet vier Werte. Drei gibst du vor, den vierten berechnet G*Power.


Signifikanzniveau α. Konventionell .05, also die Wahrscheinlichkeit, einen Effekt zu finden, den es nicht gibt.


Teststärke (Power). Konventionell .80, also die Wahrscheinlichkeit, einen tatsächlich vorhandenen Effekt zu finden. Bei .80 übersiehst du ihn in einem von fünf Fällen.


Effektstärke. Die vermutete Größe des Effekts. Das ist der schwierige Teil.


Stichprobengröße. Das Ergebnis.


Kleine Effekte brauchen große Stichproben. Wer einen kleinen Effekt mit 60 Personen sucht, wird ihn mit hoher Wahrscheinlichkeit nicht finden, unabhängig davon, ob er existiert.


Woher nimmst du die Effektstärke?


Es gibt drei Wege in dieser Reihenfolge.


1. Aus vergleichbaren Studien. Wenn frühere Untersuchungen zu deiner Fragestellung Effektstärken berichten, nimm den unteren Bereich dieser Werte. Publizierte Effekte sind durch den Publikationsbias tendenziell überschätzt. Warum du den Wert aus der Literatur nicht einfach übernimmst, zeigt der Beitrag zum Literatur-Effekt in der Fallzahlplanung. Allerdings ist dieser Weg selten möglich. Welches Maß zu deinem Verfahren passt, zeigt der Beitrag Welche Effektstärke gehört zu welchem Verfahren?


2. Aus einer inhaltlichen Überlegung. Welcher Unterschied wäre praktisch bedeutsam? Wenn ein Trainingsprogramm erst ab einer Verbesserung von einem halben Punkt sinnvoll ist, rechne mit diesem Wert.


3. Über Konventionen. Nach Cohen (1988) gelten für d die Werte 0.20, 0.50 und 0.80 als klein, mittel und groß, für r die Werte .10, .30 und .50. Dieser Weg ist inhaltlich schwach, in Abschlussarbeiten aber sehr verbreitet und meist akzeptiert.


Welcher dieser drei Wege für deine Studie trägt, ist die Entscheidung, an der deine ganze Fallzahl hängt. Gibt es zu deiner Frage frühere Studien und wie stark sind deren Effekte vermutlich überschätzt? Diese Entscheidung prüfen wir vor der Erhebung mit dir. Für Abschlussarbeiten findest du den Weg unter Deine Fallzahl prüfen lassen, für Promovierende und größere Vorhaben unter statistische Auswertung von Forschungsprojekten.

Wie viele Personen brauchst du ungefähr?


Die Tabelle zeigt Größenordnungen für zweiseitige Tests mit α = .05 und einer Power von .80. Die Regression prüft das Gesamtmodell.


Design

Erwarteter Effekt

Ungefähr benötigt (gesamt)

t-Test, zwei unabhängige Gruppen

groß, d = 0.80

rund 52

t-Test, zwei unabhängige Gruppen

mittel, d = 0.50

rund 128

t-Test, zwei unabhängige Gruppen

klein, d = 0.20

rund 788

Einfaktorielle ANOVA, drei Gruppen

mittel, f = .25

rund 159

Lineare Regression, drei Prädiktoren

mittel, f² = .15

rund 77

Korrelation

mittel, r = .30

rund 85


Diese Werte stammen aus der Standard-Poweranalyse und sind gerundet. Rechne sie für dein Design in G*Power selbst nach. Bei ungleichen Gruppengrößen oder gerichteter Hypothese ändern sie sich.


Kleine Effekte sind in Abschlussarbeiten praktisch nicht nachweisbar, wie die dritte Zeile zeigt. Dann zählen realistische Erwartungen und eine ehrliche Diskussion.


Was will G*Power von dir wissen?


Das Programm ist kostenlos an der Universität Düsseldorf verfügbar. Es fragt nach der Testfamilie, dem konkreten Test und der Art der Analyse, für die Planung also A priori. Dann trägst du α, Power und Effektstärke ein. Für die einfaktorielle ANOVA arbeitest du mit f statt d, für die Regression mit f², jeweils unter Angabe der Prädiktorenzahl. Über den Button Determine bietet G*Power eine Umrechnung aus anderen Kennwerten an. Wenn du mit jamovi arbeitest, kannst du die Fallzahl auch dort planen, wie der Beitrag zur Fallzahl in jamovi mit jpower zeigt.


Was tust du, wenn die Erhebung schon gelaufen ist?


Das kommt häufig vor. Dann gilt Folgendes.


Post-hoc-Power ist keine Lösung. Die aus dem beobachteten Effekt nachträglich berechnete Teststärke ist eine direkte Umrechnung des p-Werts und liefert keine zusätzliche Information. Bei nicht signifikanten Ergebnissen kommt zwangsläufig eine niedrige Power heraus. Die Gründe stehen im Beitrag Post-hoc-Power berechnen?


Sinnvoll ist stattdessen die Sensitivitätsanalyse. In G*Power unter Sensitivity gibst du deine tatsächliche Fallzahl, α und die gewünschte Power ein und erhältst den kleinsten Effekt, den du mit diesem Design hättest finden können. Das ist eine ehrliche und aussagekräftige Angabe für die Limitationen.


Bei einer Stichprobe von N = 100 (je 50 Personen pro Gruppe) und einer angestrebten Teststärke von .80 hätten Effekte ab d = 0.57 aufgedeckt werden können. Kleinere Effekte konnten mit dem vorliegenden Design nicht zuverlässig nachgewiesen werden.


Wie berichtest du die Planung?


Die Angabe gehört in den Methodenteil und beantwortet eine der Standardfragen im Kolloquium. Ein Mustersatz mit erfundenen Werten lautet so.


Die erforderliche Stichprobengröße wurde a priori mit G*Power 3.1.9.7 (Faul et al., 2007) bestimmt. Für einen zweiseitigen t-Test für unabhängige Stichproben bei einem mittleren Effekt (d = 0.50), einem Signifikanzniveau von α = .05 und einer Teststärke von .80 ergab sich ein Bedarf von N = 128 Personen. Realisiert wurden N = 134 vollständige Datensätze.

Häufige Fragen


Das hängt vom Fach und der Prüfungsordnung ab. In der Psychologie ist sie inzwischen weitgehend Standard, in anderen Fächern nicht überall.

Dann berichtest du die geplante und die realisierte Zahl und ordnest die Konsequenz über eine Sensitivitätsanalyse ein.

Nein. Schrittweises Nacherheben mit Zwischentests erhöht die Rate falsch positiver Ergebnisse deutlich. Wenn du nacherhebst, dann auf eine vorab festgelegte Zahl.

Das hängt von deinem Design und vom Umfang der Beratung ab. Wie sich der Aufwand zusammensetzt, steht im Beitrag Was kostet eine statistische Auswertung? Im kostenlosen Erstgespräch bekommst du eine Einschätzung für dein Projekt.


Fallzahl planen, bevor du erhebst


Wenn du lieber selbst rechnest, begleiten wir dich im Statistik-Coaching bei Poweranalyse und Auswertung. Wenn du die Auswertung abgeben möchtest, übernehmen wir sie von der Planung bis zur Ergebnisdarstellung als statistische Auswertung. Was das kostet, steht unter Preise und Ablauf.


Welchen Effekt erwartest du in deiner Studie und woher stammt dieser Wert?


Lass deine Fallzahlplanung prüfen, bevor die Erhebung startet



Literatur


  • 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


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

 
 

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