Den Standardfehler des Mittelwertes verstehen und berechnen

Der Standardfehler des Mittelwertes (SEM) gibt an, wie stark der berechnete Mittelwert einer Stichprobe vom tatsächlichen Mittelwert der gesamten Grundgesamtheit abweicht. Er ist ein Maß für die Präzision deiner Schätzung.

In der Statistik ist dieser Wert unverzichtbar. Er hilft dir einzuschätzen, ob deine gesammelten Daten wirklich repräsentativ sind oder ob dein Ergebnis nur auf Zufall basiert.

In diesem Artikel lernst du, wie du den Standardfehler berechnest, interpretierst und in deinen eigenen empirischen Arbeiten fehlerfrei anwendest.

Definition: Was ist der Standardfehler?

Stell dir vor, du möchtest etwas über eine riesige Gruppe von Menschen herausfinden. Da du nicht jeden Einzelnen befragen kannst, ziehst du eine Stichprobe. Der Mittelwert dieser Stichprobe wird fast nie exakt mit dem echten Mittelwert der gesamten Gruppe übereinstimmen. Der Standardfehler verrät dir, wie groß diese Abweichung im Durchschnitt ist. Je kleiner der Standardfehler, desto genauer spiegelt deine Stichprobe die Realität wider.

Damit der Standardfehler aussagekräftig ist, muss deine Stichprobe zufällig gezogen sein. Außerdem sollten die Daten idealerweise normalverteilt sein, besonders wenn deine Stichprobe klein ist (weniger als 30 Fälle).

Den Standardfehler des Mittelwertes berechnen und interpretieren

Wie berechnet man den Standardfehler? Um den Standardfehler zu ermitteln, brauchst du nur zwei Werte: die Streuung deiner Daten und die Größe deiner Stichprobe. Die mathematische Formel lautet:

SEM = s / √n

• SEM (Standard Error of the Mean):  der Standardfehler des Mittelwertes, den du berechnen möchtest.
• s (Standardabweichung):  die durchschnittliche Abweichung der einzelnen Messwerte vom Mittelwert innerhalb deiner Stichprobe.
• n (Stichprobengröße):  die genaue Anzahl der beobachteten Fälle oder befragten Personen in deiner Stichprobe.

Hier ist die schrittweise Berechnung anhand unseres Beispiels zur Schlafdauer:

1. Stichprobengröße (n) ermitteln:  du hast 50 Studierende befragt. Dein n ist also 50.
2. Standardabweichung (s) berechnen:  du ermittelst, wie stark die Schlafdauer der 50 Personen um den Mittelwert von 6,5 Stunden streut. Nehmen wir an, du erhältst eine Standardabweichung von 1,2 Stunden.
3. Wurzel aus n ziehen:  berechne die Quadratwurzel aus deiner Stichprobengröße. Die Wurzel aus 50 ist ungefähr 7,07.
4. Werte in die Formel einsetzen:  teile nun die Standardabweichung durch das Ergebnis aus Schritt 3. Rechne: 1,2 / 7,07 = 0,17.

Dein Standardfehler beträgt 0,17 Stunden. Wenn du diese Umfrage unendlich oft mit immer neuen 50 Studierenden wiederholen würdest, würden die berechneten Mittelwerte im Durchschnitt um 0,17 Stunden vom wahren Mittelwert aller Studierenden abweichen. Ein kleiner Wert wie dieser deutet auf eine hohe Präzision deiner Schätzung hin.

Standardfehler vs. Standardabweichung

Diese beiden Begriffe klingen ähnlich und werden oft verwechselt. Sie messen jedoch völlig unterschiedliche Dinge. Die Standardabweichung bezieht sich auf die einzelnen Datenpunkte, während der Standardfehler die Zuverlässigkeit des Mittelwertes bewertet.

Wie du in der Formel (SEM = s / √n) siehst, kannst du den Standardfehler direkt aus der Standardabweichung umrechnen. Du teilst sie einfach durch die Wurzel der Stichprobengröße.

Den Standardfehler in Excel berechnen

Du musst diese Berechnung nicht von Hand durchführen. Tabellenkalkulationsprogramme wie Excel nehmen dir die Arbeit ab. Excel hat zwar keine direkte, einzelne Funktion für den Standardfehler, aber du kannst ihn aus zwei Standardformeln kombinieren.

So gehst du vor, wenn deine Daten in den Zellen A1 bis A50 stehen:

1. Klicke auf eine leere Zelle, in der das Ergebnis erscheinen soll.
2. Tippe das Gleichheitszeichen = ein, um eine Formel zu starten.
3. Berechne die Standardabweichung mit der Funktion STABW.S(A1:A50).
4. Teile dieses Ergebnis durch die Wurzel der Anzahl der Werte. Nutze dafür WURZEL(ANZAHL(A1:A50)).
5. Kombiniere alles zu einer einzigen Formel: =STABW.S(A1:A50)/WURZEL(ANZAHL(A1:A50)) und drücke Enter.

Achte darauf, unbedingt STABW.S (für Stichproben) und nicht STABW.N (für Grundgesamtheiten) zu verwenden. Da du fast immer mit Stichproben arbeitest, verfälscht die N-Variante dein Ergebnis, da sie die Werte durch n statt durch n-1 teilt.

Fazit und abschließende Gedanken

Der Standardfehler des Mittelwertes ist dein wichtigstes Werkzeug, um die Präzision von Stichprobendaten zu bewerten. Er verbindet die Standardabweichung mit der Stichprobengröße und zeigt dir, wie nah dein gemessener Durchschnitt am wahren Wert der Grundgesamtheit liegt. Je größer deine Stichprobe, desto kleiner der Fehler und desto verlässlicher deine Daten.

Wenn dein Standardfehler in einer Analyse zu groß ausfällt und deine Ergebnisse dadurch unscharf werden, gibt es einen einfachen Ausweg. Erhöhe einfach deine Stichprobengröße (n). Da n unter dem Bruchstrich der Formel steht, schrumpft der Fehler automatisch, sobald du mehr Daten sammelst.