Der t-Test ist ein statistischer Test für Mittelwerte. Er prüft, ob sich zwei Mittelwerte stärker unterscheiden, als es bei zufälliger Streuung zu erwarten wäre, oder ob ein Mittelwert von einem festen Vergleichswert abweicht. In der Wirtschaftspsychologie vergleicht ein t-Test etwa die Zufriedenheit zweier Abteilungen oder Testwerte vor und nach einem Training. Er zählt zu den parametrischen Verfahren und setzt metrische Daten voraus.
Herkunft und Grundidee des t-Tests
Entwickelt hat das Verfahren William Sealy Gosset, der seinen Aufsatz „The probable error of a mean“ 1908 in der Zeitschrift Biometrika unter dem Namen „Student“ veröffentlichte; daher die Bezeichnung Student-t-Test. Laut Kim (2015) entstand er bei der Qualitätskontrolle von Bier. Die Grundidee: Ist die Streuung in der Grundgesamtheit unbekannt und wird aus der Stichprobe geschätzt, folgt die standardisierte Mittelwertsdifferenz nicht der Normalverteilung, sondern einer t-Verteilung. Deren Form hängt von den Freiheitsgraden ab; bei großen Stichproben nähert sie sich der Normalverteilung. Der t-Wert ist die Mittelwertsdifferenz geteilt durch ihren Standardfehler.
Drei Varianten und ihre Voraussetzungen
| Variante | Frage | Beispiel |
|---|---|---|
| Einstichproben-t-Test | Weicht ein Mittelwert von einem festen Wert ab? | Liegt die mittlere Zufriedenheit über der Skalenmitte 3? |
| t-Test für unabhängige Stichproben | Unterscheiden sich zwei getrennte Gruppen? | Vertrieb gegenüber Verwaltung |
| t-Test für abhängige Stichproben | Unterscheiden sich zwei Messungen derselben Personen? | dieselben Beschäftigten vor und nach einem Training |
Der gepaarte t-Test prüft im Kern die Differenzen je Person gegen null. Hängen die beiden Messungen positiv zusammen, hat er mehr Teststärke als der Test für unabhängige Gruppen. Als Voraussetzungen nennt Kim Normalverteilung, gleiche Varianzen und unabhängige Beobachtungen; gleiche Varianzen betreffen nur den Vergleich unabhängiger Gruppen. Ist die Normalverteilung nicht gegeben, nennt Kim als Ausweichverfahren bei unabhängigen Gruppen den Mann-Whitney-U-Test, bei gepaarten Daten den Wilcoxon-Vorzeichen-Rang-Test.
Student oder Welch?
Der klassische Student-Test unterstellt in beiden Gruppen gleiche Varianzen. B. L. Welch beschrieb 1947 eine Variante ohne diese Annahme; die Freiheitsgrade werden dabei aus den Gruppenvarianzen geschätzt. Delacre, Lakens und Leys (2017) argumentieren, dass gleiche Varianzen in psychologischen Studien selten gegeben sind und dass die Wahl des Tests nach einem Vortest auf Varianzgleichheit oft nicht weiterhilft. In ihren Simulationen hielt der Welch-Test die Fehlerrate erster Art bei ungleichen Varianzen besser ein und verlor kaum an Robustheit, wenn die Annahmen erfüllt waren. Sie empfehlen ihn deshalb als Standard. Eine Korrektur von 2022 berichtigt Nebenbefunde, die Kernaussage gilt laut Autorengruppe weiter. Das Schaubild zeigt Beispieldaten, bei denen beide Tests verschieden ausfallen.
Punktdiagramm mit Beispieldaten. Gruppe A mit 12 Personen streut breit, Mittelwert 23,9 Punkte. Gruppe B mit 24 Personen streut eng, Mittelwert 19,6. Darunter zwei Ergebnisse für denselben Vergleich: Student-t-Test p gleich 0,026, Welch-Test p gleich 0,089. Bei ungleichen Streuungen und Gruppengrößen weichen beide Tests voneinander ab; nur der Welch-Test berücksichtigt die ungleichen Streuungen.
t-Test im Studium der Wirtschaftspsychologie
Der t-Test steht am Anfang der schließenden Statistik. Methoden und Statistik kommen bei 69 von 95 erfassten Anbietern laut Recherche, Stand Oktober 2026, in Studiengangsnamen, Schwerpunkten oder Modullisten vor, das Wort Statistik selbst bei 21 von 95. Den typischen Aufbau dieser Module zeigt der Ratgeber Statistik im Wirtschaftspsychologie-Studium. Klausuraufgaben verlangen oft:
- die passende Variante wählen und begründen, ob die Stichproben abhängig sind
- aus Mittelwerten, Standardabweichungen und Gruppengrößen t und die Freiheitsgrade berechnen
- das Ergebnis mit p-Wert deuten, siehe Signifikanz (p-Wert), und eine Effektstärke wie Cohens d angeben
- erkennen, dass bei mehr als zwei Gruppen eine Varianzanalyse an die Stelle mehrerer t-Tests tritt
In der Praxis: Vergleiche in Personal und Markt
Im Personalbereich prüft ein gepaarter t-Test, ob sich Werte nach einer Maßnahme verändert haben; ohne Vergleichsgruppe bleibt dabei offen, ob die Maßnahme die Ursache ist, wie der Eintrag Evaluation zeigt. In der Marktforschung vergleicht ein Test für unabhängige Stichproben etwa die Bewertung zweier Anzeigenvarianten durch getrennte Gruppen. In beiden Fällen gilt: Ein signifikantes Ergebnis zeigt für sich nicht, wie groß der Unterschied ist, und ein nicht signifikantes belegt nicht, dass es keinen gibt.