Hypothesen richtig formulieren

Daniel Lüttgau Blog, Statistik

Eine Hypothese ist eine empirisch überprüfbare Annahme über die Wirkungsbeziehung von zwei oder mehr Faktoren der realen und erfahrbaren Welt. Am Anfang eines jeden Forschungsprojektes stehen, außer einer klaren Fragestellung, die das Forschungsvorhaben leitet, stets auch eine oder mehrere Hypothesen. Erst dadurch kann eine systematische Forschungsarbeit gewährleistet werden.

Übersicht zu Hypothesen

Im Verlauf des Forschungsprojektes gilt es, die Richtigkeit der Hypothesen zu überprüfen. Die Hypothesen müssen also so formuliert sein, dass sie durch eine methodische Sammlung von geeigneten Daten und durch die anschließende systematische Auswertung der Daten auch tatsächlich falsifizierbar sind. Das heißt, die vermuteten Wirkungszusammenhänge der Hypothese sollen sich am Ende als reale Wirkungszusammenhänge erweisen und als plausible Erklärung für beobachtete Phänomene dienen.

Es ist also von großer Bedeutung, richtige Hypothesen zu erstellen und dieser wichtigen und komplexen „Vorarbeit“ der Forschung große Aufmerksamkeit und genügend Zeit zu widmen. Hypothesenbildung ist alles andere als eine lästige oder anspruchslose Pflichterfüllung. Gute und qualitativ hochwertige Hypothesenbildung ist eine echte Herausforderung und stellt eine wichtige Voraussetzung für am Ende wirksam nutzbare Ergebnisse dar.

In unseren Workshops und Projektberatungen stellen wir immer wieder fest, dass vielversprechende Studien und Forschungsprojekte bereits in diesem frühen Stadium der Hypothesenbildung ins Schleudern geraten. Auch wenn es uns vielfach durch Improvisationsgeschick und Erfahrung gelingt, Studienvorhaben unserer Kunden trotz mangelhafter Hypothesenbildung vor dem Entgleisen zu bewahren, so bleibt der gelegentliche „Totalschaden“ leider nicht aus.

Falsche Hypothesen können gravierende Folgefehler verursachen. Unbedachte Formulierungen können Hypothesen zu nicht überprüfbaren Theoriesackgassen werden lassen. Aufwendig gesammelte Daten können nichtig werden, weil bei der Hypothesenerstellung unbedacht vorgegangen wurde. Spannende und vielversprechende Forschungsprojekte dürfen nicht an ihren ungenauen oder falschen Hypothesen scheitern. Dies lässt sich recht leicht vermeiden!

In einer kleinen 5-schrittigen Anleitung wollen wir dir deshalb helfen, die größten Hürden bei der eigenständigen Hypothesenbildung zu nehmen. Ziel dieses Guides ist es, dich mit zentralen und realistischen Standards vertraut zu machen, dir pragmatische Lösungswege anzubieten, und dir ein grundlegendes Handwerkszeug für die effiziente Hypothesenbildung zur Verfügung zu stellen:

Schritt 1 – Bestimme die relevanten Variablen frühzeitig

Kläre, für welche Faktoren du dich interessierst. Überlegen dir sorgfältig, wie diese Faktoren am besten mit Daten dargestellt werden können. Lege für die zukünftige statistische Auswertung fest, welcher Faktor durch welche Variable im Datensatz repräsentiert werden soll. Es werden nur diese Faktoren in der statistischen Analyse berücksichtigt. Je besser die Variablen das zu erforschende Phänomen abbilden, desto aussagekräftigere Ergebnisse lassen sich durch die nachfolgende, statistische Analyse erzielen.

Tipp: Lass dich von der Arbeit anderer inspirieren und entdecke, wie deine Faktoren in früheren Studien gemessen wurden. Vielfach lassen sich früher erfasste Daten auch für andere (deine) Forschungsfragen verwenden. Dies spielt insbesondere dann eine Rolle, wenn du mit Skalen und Konstrukten arbeitest. Diese werden in der Regel sehr aufwändig entwickelt, getestet und validiert. Ein Prozess, den du im Rahmen deiner Arbeit wahrscheinlich nur schwer nachbilden kannst.

Schritt 2 – Formuliere eine allgemeine Hypothese

Eine Hypothese drückt stets eine vermutete Wirkungsbeziehung zwischen i.d.R. zwei ausgewählten Variablen dar. Dabei handelt es bei einer Variablen um eine unabhängige und bei der anderen um eine abhängige Variable. Zur Erinnerung: Die unabhängige Variable ist die Variable, von der angenommen wird, dass sie Auswirkungen auf die abhängige Variable hat.

Es ist für diesen Schritt nicht wichtig, besonders präzise oder detaillierte Formulierungen für die Variable zu finden. Wichtig ist aber, dass klar definiert ist, welche der beiden Variablen die abhängige und welche die unabhängige Variable ist!

Zwei Aspekte sind für die Hypothesenbildungen wichtig:

  • Pro Hypothese darf es nur eine abhängige Variable geben. Solltest du mehr abhängige Variable haben, gilt es nachzubessern. In den häufigsten Fällen kannst du das Problem dadurch lösen, dass du für jede der abhängigen Variablen eine eigene Hypothese formulierst.
  • Jede Hypothese sollte auch nur eine unabhängige Variable enthalten. Es gibt zwar Fälle, in denen auch zwei oder mehr Variablen sinnvoll sind, aber dies ist nur dann sinnvoll, wenn du ausdrücklich nach bestimmten Wirkungszusammenhängen zwischen mehreren unabhängigen Variablen suchen. Überlege dir gut, ob dies auf deinen Fall wirklich zutrifft. Viel öfter wird es fälschlich nur als bequemer angesehen, mehrere Hypothesen in einer zu bündeln. Tatsächlich führt dies aber zur Ergebnisunklarheit.

Schritt 3 – Bestimme die Wirkungsrichtung deiner Hypothese

Es ist üblich zwischen ungerichteten Hypothesen und gerichteten Hypothesen zu unterscheiden. Die allgemeinen Hypothesen, die du in Schritt 2 entwickelt hast, sind ungerichtete Hypothesen. Zur Erinnerung: Eine ungerichtete Hypothese besagt, dass eine Variable die andere Variable auf irgendeine Weise beeinflusst, sie besagt aber nicht, auf welche Weise dies geschieht. In diesem Schritt gilt es nun, die genaue Wirkungsrichtung deiner Hypothese zu bestimmen, d.h. deine Hypothese soll genau beschreiben, wie die unabhängige Variable die abhängige Variable beeinflusst.

Auch wenn es Forschungsprojekte gibt, in denen ungerichtete Hypothesen ausreichen, so sind gerichtete Hypothese fast immer die bessere Wahl. Falls deine Theorie und /oder die zugrundlegende Literatur eine Grundlage dafür bieten, nutze die Gelegenheit, denn gerichtete Hypothesen haben eine deutlich höhere Informationskraft als ungerichtete. Dein Forschungsprojekt gewinnt deshalb an Gewicht, wenn es dir gelingt, gerichtete Hypothesen aufzustellen.

Schritt 4 – Stelle die Testbarkeit deiner Hypothesen sicher

Die in deiner Hypothese dargestellte Wirkungsbeziehung muss in der realen Welt getestet werden, sie muss also beobachtbar und zumindest indirekt messbar sein. Falls dies nicht gewährleistet ist, muss die Hypothese unbedingt noch einmal überarbeitet werden.

Folgende beiden Indikatoren eignen sich gut, die Testbarkeit deiner Hypothesen zu überprüfen:

  • Lege pro Hypothese genau die Grundgesamtheit (der Personen oder Dinge) fest, über die du neue Erkenntnisse erlangen willst.
  • Stelle für jede deiner Hypothesen eine sogenannte Nullhypothese auf. Deine bisherigen Hypothesen beinhalteten immer genau die Annahme, die dich eigentlich interessiert. Die Nullhypothese hingegen steht für die Annahme, die du widerlegen willst.

Formuliere also die Annahme, die du wiederlegen möchtest. Gehe dabei genauso sorgfältig vor, wie bei deinen ursprünglichen Hypothesen. Wenn du die Grundgesamtheit und Nullhypothese genau benennen kannst, dann bist du auf einem guten Weg.

Schritt 5 – Formuliere und bezeichne deine Hypothesen professionell

Alle Formulierungen der Hypothesen werden zunächst noch einmal überarbeitet und weiter konkretisiert. Als Faustregel gilt dabei: Formuliere den Wirkungszusammenhang zwischen abhängiger und unabhängiger Variable so detailliert wie nötig und so einfach wie möglich. Abschließend nummerierst du deine Hypothesen systematisch durch. Jede Hypothese wird mit dem Buchstaben „H“, einer Zahl sowie einem Doppelpunkt gekennzeichnet (z.B. „H1:, H2:, H3:, …“).

Zusammenfassung

In diesem Guide haben wir dir einige wichtige Tipps zur Formulierung von Hypothesen gegeben. Diese sind als „Best-Practice“ zu verstehen und können natürlich in besonderen Situationen an dein Forschungsvorhaben angepasst werden. Falls du Hilfe bei der Erstellung deiner Hypothesen benötigst, steht dir unser Statistik Team gerne zur Verfügung.

Über den Autor
Daniel Lüttgau

Daniel Lüttgau

I am a data science consultant at STATWORX. Exploring business concepts and thinking up ways to utilize data for our customers is what I enjoy most about my job. My freetime is commited to my dog, travelling and my wife and friends.

ABOUT US


STATWORX
is a consulting company for data science, statistics, machine learning and artificial intelligence located in Frankfurt, Zurich and Vienna. Sign up for our NEWSLETTER and receive reads and treats from the world of data science and AI. If you have questions or suggestions, please write us an e-mail addressed to blog(at)statworx.com.