Website-Icon Björn Walther

Hypothesenarten – Arten von Forschungshypothesen

Es existieren v.a. drei verschiedene Arten von Forschungshypothesen, die aus der/den Forschungsfrage(n) abgeleitet werden. Je nach Forschungsfrage bedarf es einer anderen Art von Hypothese bzw. Hypothesenformulierung: Unterschiede, Veränderungen oder Zusammenhänge.

Hierzu auch:
Die Forschungshypothese („research hypothesis“) wird aus etablierten Theorien und/oder gut gesicherten empirischen Befunden abgeleitet und postuliert die Existenz, Richtung und Stärke eines bestimmten Effekts.“, Döring, Bortz (2016) Forschungsmethoden und Evaluationen, S. 146.

 

1. Unterschiedshypothesen

Die allererste Hypothesenart sind Unterschiedshypothesen und hierbei werden zwei oder mehr Gruppen auf Unterschiede hinsichtlich eines Merkmals geprüft.

1.1 Zwei Gruppen

Beispielsweise möchte ich eine zufällige Gruppe von Männern und eine zufällige Gruppe von Frauen hinsichtlich ihres mittleren Gewichtes vergleichen.

Zur Untersuchung kann man den Zweistichproben t-Test (R, SPSS, Excel) oder den Mann-Whitney-U-Test (R, SPSS) verwenden.

 

1.2 Mehr als zwei Gruppen

Habe ich mehr als zwei, z.B. drei Gruppen, muss die Formulierung jeweils etwas angepasst werden.
Beispielsweise möchte ich den mittlere Ruhepuls von nicht trainierten Menschen, von Amateursportlern und von Profisportlern miteinander vergleichen.

Zur Untersuchung kann die einfaktorielle ANOVA (R, SPSS, Excel) oder die nichtparametrische Alternative, der Kruskal-Wallis-Test (R, SPSS) herangezogen werden.

 

2. Veränderungshypothesen

Veränderungshypothesen unterstellen für dieselben Untersuchungsobjekte infolge einer Intervention eine Änderung einer Messgröße. Die Anzahl der Messzeitpunkte ist hierbei entscheidend für die Analysen.

2.1 Zwei Zeitpunkte

Diese Art der Veränderungshypothese ist die einfachste Form. Sie hat eine Messung eines Parameters vor einer Intervention und nach einer Intervention. Der Parameter wird nun auf Veränderungen geprüft, also ob er sich geändert (gestiegen oder gesunken) oder nicht verändert hat.

Zur Untersuchung kann der abhängige t-Test (R, SPSS, Excel) oder der Wilcoxon-Test für abhängige Stichproben (R, SPSS) gerechnet werden.

 

2.2 Mehr als zwei Zeitpunkte

Hier ist das Prinzip ähnlich, es wird aber nach der Intervention eine oder mehrere zusätzliche (dritte, vierte) Messung(en) durchgeführt, um zu sehen, wie konstant die Veränderung ist bzw. ob im Zeitablauf die Wirkung wieder nachlässt oder sich erst nach einer gewissen Zeit völlig entfaltet.

Zur Untersuchung kann die ANOVA mit Messwiederholung (R, SPSS) oder der Friedman-Test (R, SPSS) gerechnet werden.

 

3. Zusammenhangshypothesen

Schließlich gibt es noch die 3. Art, die Zusammenhangshypothesen.

  1. Können Ursache und Wirkung nicht klar hergeleitet und benannt werden, muss sich dies in einer anderen Art der Formulierung widerspiegeln.
    Man spricht hierbei lediglich von einem Zusammenhang ohne Wirkrichtung (A <-> B).
  2. Ist die Richtung des Zusammenhanges jedoch bekannt, kann ein Zusammenhang mit Wirkrichtung formuliert werden (A -> B).

 

3.1 Ursache und Wirkung sind nicht bekannt (A <-> B)

Die grundlegende Annahme, dass zwei Variablen miteinander zusammenhängen, nennt man auch Korrelation. Die Wirkrichtung ist hierbei unbekannt. A kann zu B führen oder umgekehrt. Zum Beispiel würde man einen Zusammenhang zwischen Gewicht und der Menge des Schokoladenkonsums unterstellen – was zu was führt, ist hierbei NICHT formuliert und auch nicht untersuchbar (Korrelation heißt nicht Kausalität und wird unter dem Fehlschluss der Scheinkausalität zusammengefasst – Stichwort: “Cum hoc ergo propter hoc”).

Zur Untersuchung können – je nach Skalenniveau der Variablen – verschiedene Korrelationskoeffizienten herangezogen werden. Korrelationskoeffizienten nach Pearson, Spearman, Kendall-Tau, Chi² usw. – Übersicht.

 

3.2 Ursache und Wirkung sind bekannt (A -> B)

Ursache (auch unabhängige Variable oder Prädiktor) und Wirkung (abhängige Variable, Kriterium) sind in diesem Fall eindeutig im Vorfeld hergleitet und benannt. Um im obigen Beispiel von Gewicht und Menge des Schokoladenkonsums zu bleiben würde dies bedeuten, dass Schokoladenkonsum zu einem höheren Gewicht führt. Dies wird im Rahmen von sog. einfachen oder multiplen Regressionsanalysen untersucht.

Folglich kann eigentlich nur mit der gerichteten Formulierung die landläufige Meinung korrekt untersucht werden, nämlich das ein erhöter Schokoladenkonsum zu einem höheren Gewicht führt.

Zur Untersuchung können Regressionen gerechnet werden. Typische Formen sind die lineare Regression (R, SPSS, Excel) oder binär-logistische Regression (R, SPSS).

 

4 Literatur

Döring, N., Bortz, J. (2016). Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften. Deutschland: Springer Berlin Heidelberg, speziell Kapitel 5.2, S. 145-149

 

Die mobile Version verlassen