Wählen Sie die Fragestellung Ihrer Studie, stellen Sie den erwarteten Effekt, das Signifikanzniveau und die gewünschte Teststärke ein. Der Rechner nennt die benötigte Stichprobengröße und formuliert den Satz für den Methodenteil.
Wie N vom Effekt abhängt
Am besten stützen Sie sich auf Metaanalysen oder Vorstudien zu Ihrer Fragestellung. Fehlen solche Werte, helfen Cohens Konventionen als grobe Orientierung. In der Förder- und Interventionsforschung sind realistische Effekte oft eher klein bis mittel. Ein zu optimistisch angesetzter Effekt führt zu einer zu kleinen Stichprobe.
| Maß | klein | mittel | groß |
|---|---|---|---|
| Cohens d / dz | 0,20 | 0,50 | 0,80 |
| Korrelation r | 0,10 | 0,30 | 0,50 |
| Cohens h (Anteile) | 0,20 | 0,50 | 0,80 |
α ist die Wahrscheinlichkeit, einen Effekt zu finden, den es in Wirklichkeit nicht gibt (Fehler 1. Art). Üblich ist α = .05.
Teststärke (1−β) ist die Wahrscheinlichkeit, einen tatsächlich vorhandenen Effekt der angenommenen Größe auch zu entdecken. Üblich ist .80, bei folgenreichen Fragestellungen .90 oder höher.
Einseitig testen Sie nur, wenn die Richtung des Effekts vorab begründet festgelegt ist. Das senkt das benötigte N.
Die berechnete Zahl gilt für auswertbare Fälle. Fehlende Einverständniserklärungen, Krankheit am zweiten Messzeitpunkt oder unvollständige Fragebögen verkleinern die Stichprobe. Der Puffer rechnet hoch, wie viele Personen Sie dafür rekrutieren sollten. Bei Klassen- oder Schulstichproben kommt zusätzlich der Designeffekt hinzu, den dieser Rechner nicht abbildet.