Zuletzt fachlich geprüft: 28. Juli 2026 · Lerninhalt, keine individuelle statistische Beratung

„Parametrisch oder nichtparametrisch?“ ist oft die falsche erste Frage. Entscheidend ist, welcher wissenschaftliche Parameter interessiert. Der Welch-t-Test richtet sich auf Mittelwerte. Mann-Whitney arbeitet mit Rängen und beantwortet eine Frage zu systematischer stochastischer Ordnung bzw. Lage unter zusätzlichen Formannahmen.

Mittelwerte und Ränge beantworten unterschiedliche Fragen Oben werden Abstände auf einer numerischen Skala verglichen, unten nur die Reihenfolge der Werte. Welch-t-Test: Mittelwerte und Abstände Die metrischen Abstände tragen Information. Mann-Whitney: Reihenfolge und Ränge 12 34 56

Was wird tatsächlich getestet?

Der Welch-t-Test prüft die Gleichheit zweier Populationsmittelwerte und passt Standardfehler sowie Freiheitsgrade an unterschiedliche Varianzen an. Mann-Whitney vergleicht Ränge. Nur bei ähnlich geformten Verteilungen lässt sich ein Ergebnis einfach als Lageverschiebung lesen; er ist nicht allgemein ein Test gleicher Mediane.

Wann spricht viel für Welch?

  • Das Ergebnis ist numerisch und Mittelwerte sind fachlich sinnvoll.
  • Die Gruppen sind unabhängig.
  • Varianzen dürfen unterschiedlich sein.
  • Sie berichten zusätzlich Mittelwertsdifferenz, Konfidenzintervall und Effektgröße.

Wann ist Mann-Whitney hilfreich?

  • Die Messung ist mindestens ordinal.
  • Ränge tragen die relevante Information.
  • Eine robuste Sensitivitätsanalyse ist geplant.
  • Die unterschiedliche wissenschaftliche Nullhypothese wird transparent benannt.

Keine automatische Umschaltung

Ein Shapiro-Test sollte nicht allein zwischen beiden Verfahren umschalten. In großen Stichproben markiert er kleine Abweichungen, in kleinen erkennt er relevante Abweichungen möglicherweise nicht. Prüfen Sie Einzelwerte, Q-Q-Plot, Ausreißer, Stichprobengröße und Forschungsparameter.

Beide Verfahren in R

welch <- t.test(score ~ group, data = study,
                var.equal = FALSE, conf.level = 0.95)

rank_test <- wilcox.test(score ~ group, data = study,
                         exact = FALSE, conf.int = TRUE)

welch$conf.int
rank_test$conf.int

Weiterführende Quellen

Vom Lernen zur eigenen Analyse: June Scientific verbindet diese Grundlagen mit Ihrem Datensatz, begründet die Auswahl und zeigt den vollständigen R-Code. Kostenlos starten →