Die Effektstärke beschreibt, wie groß ein Effekt ist: wie weit zwei Gruppenmittelwerte auseinanderliegen oder wie eng zwei Merkmale zusammenhängen. Anders als der Signifikanztest hängt sie nicht von der Stichprobengröße ab. Eine sehr große Stichprobe macht auch winzige Unterschiede signifikant; erst die Effektstärke zeigt, ob der Unterschied der Rede wert ist. In der Wirtschaftspsychologie lassen sich mit ihr Ergebnisse von Trainings, Befragungen oder Experimenten vergleichen.
Grundlagen: zwei Familien von Effektstärken
Lakens (2013) ordnet die gebräuchlichen Maße in zwei Familien:
- d-Familie: standardisierte Mittelwertsdifferenzen. Cohens d ist die Differenz zweier Mittelwerte geteilt durch die Standardabweichung. Bei kleinen Gruppen überschätzt d den Effekt leicht; Hedges’ g korrigiert das.
- r-Familie: Anteile erklärter Varianz. Dazu gehören die Korrelation r und ihr Quadrat, in der Varianzanalyse Eta-Quadrat und partielles Eta-Quadrat. Ein r von 0,5 entspricht 25 Prozent erklärter Varianz.
| Fragestellung | übliches Maß |
|---|---|
| zwei Gruppen vergleichen | Cohens d, bei kleinen Gruppen Hedges’ g |
| Zusammenhang zweier Merkmale | r und r² |
| mehrere Gruppen oder Faktoren | Eta-Quadrat, partielles Eta-Quadrat |
Die bekannten Faustregeln gehen auf Jacob Cohen zurück und werden meist nach seinem Lehrbuch „Statistical Power Analysis for the Behavioral Sciences“ (2. Auflage 1988) zitiert: d = 0,2 gilt als klein, 0,5 als mittel, 0,8 als groß; für Eta-Quadrat nennt er 0,01, 0,06 und 0,14. Auf partielles Eta-Quadrat aus Versuchsplänen mit Messwiederholung oder Kovariaten lassen sie sich laut Lakens nicht übertragen. Anschaulicher wird d, wenn man es in Anteile übersetzt. Sullivan und Feinn (2012) beschreiben das für d = 0,8: Der Mittelwert der einen Gruppe liegt dann über 79 Prozent der Werte der anderen. Das Schaubild zeigt dazu die Wahrscheinlichkeit, dass eine zufällig gezogene Person der einen Gruppe einen höheren Wert hat als eine der anderen; Lakens nennt dieses Maß Common Language Effect Size.
Drei Paare von Normalverteilungen, deren Mittelwerte um 0,2, 0,5 und 0,8 Standardabweichungen auseinanderliegen; nach den Faustregeln von Cohen kleine, mittlere und große Effekte. Die Kurven überlappen stark. Darunter berechnete Kennwerte: Der Mittelwert der Gruppe mit Effekt liegt über 58, 69 und 79 Prozent der Vergleichsgruppe. Eine zufällig gezogene Person dieser Gruppe hat mit 56, 64 und 71 Prozent Wahrscheinlichkeit den höheren Wert als eine Person der Vergleichsgruppe.
Effektstärke im Studium der Wirtschaftspsychologie
Effektstärken gehören überall dorthin, wo Tests berichtet werden. Statistik und Forschungsmethoden zählen bei 69 von 95 erfassten Anbietern laut Recherche, Stand Oktober 2026, in Studiengangsnamen, Schwerpunkten oder Modullisten zum Angebot. Einen Überblick über den Aufbau dieser Module gibt der Ratgeber zu Statistik und Methoden. Typische Aufgaben:
- Cohens d aus zwei Mittelwerten und der gemeinsamen Standardabweichung berechnen
- r² oder Eta-Quadrat als Anteil erklärter Varianz deuten
- begründen, warum ein signifikantes Ergebnis klein und ein nicht signifikantes groß sein kann, siehe Signifikanz (p-Wert)
- aus einer erwarteten Effektstärke die nötige Stichprobe planen
In der Praxis: Faustregeln und ihre Grenzen
Lakens hält Cohens Grenzwerte für willkürlich und rät, sie nicht starr anzuwenden. Auch kleine Effekte können große Folgen haben. Er empfiehlt stattdessen den Vergleich mit Effekten aus der Literatur. Für die angewandte Psychologie haben Bosco u. a. (2015) dafür Vergleichswerte erhoben: Sie werteten 147.328 Korrelationen aus zwei Fachzeitschriften für Arbeits- und Personalpsychologie der Jahre 1980 bis 2010 aus. Die übliche Einteilung in klein, mittel und groß hat danach mit den tatsächlichen Befunden kaum etwas zu tun; die Drittelgrenzen der beobachteten Verteilungen liegen bei etwa der Hälfte bis einem Drittel der Werte, die Cohen für Korrelationen annahm.
Auch eine Effektstärke ist eine Schätzung mit Unsicherheit. Lakens zeigt das an einem Rechenbeispiel mit zwei Gruppen zu je zehn Personen: Cohens d beträgt dort 1,13, das 95-Prozent-Konfidenzintervall reicht aber von 0,16 bis 2,06. Der Effekt ist also vermutlich vorhanden, seine Größe aber kaum bestimmt. Für kleine Studien in Unternehmen gilt das besonders.
Für die Praxis heißt das: Ein Training, eine Kampagne oder eine Maßnahme der Personalauswahl lässt sich mit einer Effektstärke und ihrem Konfidenzintervall besser mit Alternativen vergleichen als mit einem p-Wert allein. Wie Effektstärken vieler Studien zu einem Gesamtwert zusammengefasst werden, beschreibt der Eintrag Metaanalyse.