Power-Analyse-Leitfaden für Ihre Studie

Eine zu kleine Stichprobe kann eine fachlich gute Forschungsfrage unsichtbar machen. Eine unnötig große Stichprobe kostet dagegen Zeit, Budget und bei klinischen oder sensiblen Erhebungen auch wertvolle Ressourcen. Dieser Power-Analyse-Leitfaden zeigt, wie Sie Ihre Fallzahl vor der Datenerhebung nachvollziehbar planen und in Thesis, Dissertation oder Studienprotokoll wissenschaftlich überzeugend begründen.

Was eine Power-Analyse tatsächlich leistet

Die Power-Analyse beantwortet eine sehr konkrete Planungsfrage: Wie viele Fälle benötigen Sie, um einen Effekt einer bestimmten Größe mit hoher Wahrscheinlichkeit statistisch nachweisen zu können? Sie ist damit kein nachträglicher Schönheitsfehler im Methodenteil, sondern eine Entscheidungshilfe vor Studienbeginn.

Die statistische Power beschreibt die Wahrscheinlichkeit, einen tatsächlich vorhandenen Effekt auch als statistisch signifikant zu erkennen. Üblicherweise wird eine Power von 80 Prozent gewählt, in vielen confirmatorischen, klinischen oder besonders anspruchsvollen Forschungsvorhaben auch 90 Prozent. Bei 80 Prozent verbleibt ein Risiko von 20 Prozent, einen realen Effekt zu übersehen. Dieses Risiko wird als Beta-Fehler zweiter Art bezeichnet.

Eine a-priori Power-Analyse wird vor der Datenerhebung durchgeführt. Sie liefert die erforderliche Stichprobengröße und ist für die Studienplanung der Regelfall. Eine Sensitivitätsanalyse beantwortet dagegen, welcher minimale Effekt mit der bereits verfügbaren Fallzahl nachweisbar wäre. Das ist sinnvoll, wenn der Datensatz feststeht, etwa bei Sekundärdaten oder begrenzten Patientenpopulationen. Eine post-hoc Power-Analyse nach einem nicht signifikanten Ergebnis ist meist wenig aussagekräftig, weil sie eng mit dem beobachteten p-Wert verknüpft ist. Hier sind Konfidenzintervalle und die präzise Einordnung der Effektgröße häufig hilfreicher.

Die vier Stellschrauben Ihrer Fallzahl

Eine belastbare Power-Analyse bringt vier Größen zusammen: Effektstärke, Signifikanzniveau, gewünschte Power und statistisches Testverfahren. Verändern Sie eine davon, verändert sich in aller Regel auch die erforderliche Fallzahl.

Effektstärke: Nicht schätzen, sondern begründen

Die Effektstärke beschreibt, wie stark ein erwarteter Zusammenhang oder Unterschied ausfällt. Bei Mittelwertvergleichen wird häufig Cohen's d verwendet, bei Korrelationen der Korrelationskoeffizient r, bei Varianzanalysen f und bei multiplen Regressionen f². Je kleiner der erwartete Effekt, desto mehr Fälle sind erforderlich, um ihn verlässlich nachzuweisen.

Der verbreitete Rückgriff auf Konventionen wie „klein“, „mittel“ oder „groß“ kann ein erster Orientierungspunkt sein, ersetzt aber keine fachliche Begründung. Besser sind Ergebnisse vergleichbarer Studien, Metaanalysen, Pilotdaten oder eine fachlich definierte minimale relevante Differenz. In der Medizin kann beispielsweise eine sehr kleine Veränderung eines Laborwerts statistisch nachweisbar sein, für Patientinnen und Patienten aber keine praktische Bedeutung haben.

Seien Sie bei Pilotstudien zurückhaltend: Kleine Pilotstichproben liefern oft instabile Effektstärkenschätzungen. Wer einen zufällig hohen Pilot-Effekt unkritisch übernimmt, plant die Hauptstudie leicht zu klein. In solchen Fällen ist eine konservative Annahme oder eine Sensitivitätsrechnung methodisch sauberer.

Alpha-Niveau und Testseitigkeit

Das Signifikanzniveau Alpha bestimmt, wie groß das Risiko eines falsch positiven Befunds sein darf. Der Standardwert liegt meist bei 5 Prozent. Ein strengeres Alpha, beispielsweise 1 Prozent, senkt die Wahrscheinlichkeit eines Alpha-Fehlers, erhöht aber die benötigte Stichprobe.

Ebenso relevant ist die Entscheidung zwischen ein- und zweiseitigem Test. Ein einseitiger Test kann die erforderliche Fallzahl reduzieren, ist jedoch nur dann gerechtfertigt, wenn eine Wirkung in Gegenrichtung fachlich und vorab tatsächlich ausgeschlossen wird. Wer erst nach Sichtung der Daten einseitig testet, erzeugt keine bessere Evidenz, sondern einen methodischen Mangel.

Gewünschte Power

80 Prozent sind eine verbreitete Mindestkonvention, keine automatisch passende Vorgabe. Bei Studien mit hohen praktischen Folgen, seltenen Endpunkten oder kostspieliger Datenerhebung kann eine Power von 90 Prozent angemessen sein. Umgekehrt lässt sich die Power bei klar begrenzter Rekrutierbarkeit nicht beliebig erhöhen.

Entscheidend ist, die gewählte Schwelle transparent mit dem Studiendesign und den Ressourcen zu begründen. Eine hohe Power ist wissenschaftlich wünschenswert, darf aber nicht darüber hinwegtäuschen, dass ein unrealistischer Rekrutierungsplan die gesamte Studie gefährden kann.

Testverfahren und Studiendesign

Die Fallzahl hängt nicht nur von der Forschungsfrage, sondern vom exakten Analysemodell ab. Ein t-Test für unabhängige Gruppen benötigt andere Annahmen als eine gepaarte Messung. Eine Korrelation, eine multiple lineare Regression, eine logistische Regression, eine ANOVA mit mehreren Gruppen oder ein Mixed Model folgen jeweils eigenen Planungslogiken.

Besonders häufig wird übersehen, dass Kovariaten, ungleiche Gruppengrößen, Messwiederholungen und Clusterstrukturen die Berechnung beeinflussen. Bei einer randomisierten Studie mit einem Verhältnis von 2:1 zwischen Interventions- und Kontrollgruppe reicht es nicht, die Gesamtfallzahl einfach gleichmäßig aufzuteilen. Bei Schulen, Praxen oder Stationen als Cluster muss außerdem die Ähnlichkeit innerhalb der Cluster berücksichtigt werden. Andernfalls wird die effektive Informationsmenge überschätzt.

Power-Analyse-Leitfaden: So planen Sie in der richtigen Reihenfolge

Beginnen Sie nicht mit einer Softwaremaske, sondern mit dem Analyseplan. Formulieren Sie zuerst die primäre Hypothese so präzise, dass klar ist, welche abhängige Variable, welche Gruppen oder Prädiktoren und welcher statistische Test vorgesehen sind. Bei mehreren Hypothesen sollte die Power-Analyse in erster Linie auf den primären Endpunkt ausgerichtet sein.

Definieren Sie danach den kleinsten Effekt, den Ihre Studie sinnvoll erkennen soll. Diese Entscheidung ist inhaltlich, nicht bloß rechnerisch. Eine plausible Effektstärke entsteht aus Literatur, Vorwissen und praktischer Relevanz. Dokumentieren Sie Quellen und Überlegungen direkt, damit die Annahme später im Exposé oder Methodenteil nachvollziehbar bleibt.

Im nächsten Schritt legen Sie Alpha-Niveau, Testseitigkeit und Ziel-Power fest. Geben Sie dann die Parameter in einer geeigneten Statistiksoftware ein. Für Standardtests ist G*Power weit verbreitet. Komplexere Designs - etwa Mehrebenenmodelle, Überlebenszeitanalysen, Interaktionen oder nichtlineare Modelle - erfordern häufig spezialisierte Verfahren in R, Stata oder anderen Statistikprogrammen.

Prüfen Sie das Ergebnis anschließend auf praktische Umsetzbarkeit. Die berechnete Mindestfallzahl ist selten die tatsächlich zu rekrutierende Zahl. Rechnen Sie erwartete Ausfälle, fehlende Werte, Drop-outs und Ausschlüsse ein. Bei einer Online-Befragung können unvollständige Fragebögen relevant sein, bei einer Längsschnittstudie ist die Drop-out-Quote oft ein zentraler Planungsfaktor. Erhöhen Sie die Rekrutierungszahl nachvollziehbar, statt die Analyse später mit einer zu kleinen auswertbaren Stichprobe beginnen zu müssen.

Typische Fehler bei der Berechnung vermeiden

Ein häufiger Fehler besteht darin, eine Fallzahl für den falschen Test zu berechnen. Wer beispielsweise eine Korrelation plant, später aber eine multiple Regression mit mehreren Kovariaten berichtet, hat nicht automatisch ausreichend Power für das endgültige Modell. Das gilt besonders für Interaktionseffekte: Sie sind oft kleiner und benötigen deutlich mehr Fälle als Haupteffekte.

Problematisch ist auch eine unkritische Orientierung an früheren Arbeiten. Eine Studie kann eine hohe Effektstärke gefunden haben, weil ihre Stichprobe klein, selektiv oder das Studiendesign anders war. Prüfen Sie deshalb Population, Messinstrument, Vergleichsgruppen und Endpunkt, bevor Sie einen Literaturwert übernehmen.

Bei multiplen Tests kommt die Alpha-Fehler-Kumulierung hinzu. Wenn mehrere gleichrangige Hypothesen getestet werden, kann eine Korrektur erforderlich sein. Das beeinflusst wiederum die Fallzahl. Nicht jede explorative Zusatzanalyse muss in die primäre Planung einfließen, aber die Rollen von primären, sekundären und explorativen Analysen müssen klar getrennt sein.

Schließlich ist eine gerundete Fallzahl nicht immer ausreichend. Wenn eine Berechnung beispielsweise 128 auswertbare Fälle ergibt und Sie mit 15 Prozent Ausfall rechnen, benötigen Sie nicht einfach 143 Rekrutierungen. Die Ausfallquote muss auf die Zielzahl bezogen berücksichtigt werden. Für 128 auswertbare Fälle bei 15 Prozent Ausfall sind rund 151 rekrutierte Personen erforderlich.

So berichten Sie die Power-Analyse im Methodenteil

Ein guter Bericht ist kurz, aber vollständig. Er benennt das Verfahren, die zugrunde liegenden Annahmen und die resultierende Mindeststichprobe. Eine Formulierung könnte lauten: „Die a-priori Power-Analyse für einen zweiseitigen t-Test bei unabhängigen Stichproben ergab bei α = ,05, einer angestrebten Power von 1 - β = ,80 und einer erwarteten Effektstärke von d = 0,50 eine erforderliche Stichprobe von 128 Personen.“ Ergänzen Sie bei Bedarf die Software und deren Version.

Bei komplexeren Modellen sollte der Bericht zusätzlich erläutern, wie die Effektstärke hergeleitet wurde, welche Prädiktoren eingeplant sind und wie mit erwarteten Ausfällen umgegangen wird. Transparenz ist hier überzeugender als eine scheinbar perfekte Zahl ohne Begründung.

Wenn Ihre Forschungsfrage, der passende Test oder die Effektannahme noch nicht eindeutig feststehen, kann eine individuelle methodische Prüfung viel Zeit sparen. Bei Easy Statistik unterstützen promovierte Statistikerinnen und Statistiker bei Studienplanung, Power-Analyse und wissenschaftlich sauberem Reporting - diskret, nachvollziehbar und passend zu Ihrem Fachgebiet. Fordern Sie Ihre Statistikberatung über das Kontaktformular an.

Eine sorgfältig begründete Fallzahl schafft keine Garantie für signifikante Ergebnisse. Sie schafft jedoch die Voraussetzung, dass Ihre Studie eine faire Chance hat, eine wissenschaftlich relevante Antwort zu liefern.