Eine Hypothese ist eine begründete Vermutung über einen Zusammenhang, die du empirisch überprüfst. Sie macht aus deiner offenen Forschungsfrage eine testbare Aussage und gibt deiner Datenerhebung eine klare Richtung.
Kurzantwort: Eine gute Hypothese ist präzise, theoretisch fundiert, empirisch testbar, falsifizierbar und wissenschaftlich relevant. Sie formuliert einen erwarteten Zusammenhang zwischen Variablen, den du mit deiner Methode überprüfen kannst.
-
Schnellentscheidung: Braucht deine Arbeit überhaupt Hypothesen?
-
Typen und Kriterien: Gerichtet vs. ungerichtet, fünf Qualitätskriterien.
-
Templates und Platzierung: Formulierungshilfen mit Pflichtangaben und Aufbau-Logik.
Hinweis zu Vorgaben: Struktur, Umfang und Formvorgaben variieren je nach Hochschule und Fachbereich. Prüfe deine Prüfungsordnung oder frag deine Betreuung. Hochschulvorgaben haben immer Vorrang.
Inhaltsverzeichnis
Brauche ich Hypothesen? Schnellentscheidung
Nicht jede Masterarbeit braucht Hypothesen. Ob du welche formulierst, hängt von deinem Forschungsdesign und deiner Methode ab.
-
Quantitativ-konfirmatorisch
Du testest einen vermuteten Zusammenhang mit statistischen Verfahren. Hypothesen sind hier Standard, du formulierst sie also.
-
Quantitativ-explorativ
Du erkundest Zusammenhänge ohne feste Erwartung. Hypothesen sind optional; wenn du welche formulierst, kennzeichne sie als „explorativ“.
-
Qualitativ
Meist nutzt du offene Forschungsfragen oder Leitfragen. Je nach Ansatz entwickelst du Kategorien am Material oder leitest sie aus Theorie ab; auch die gezielte Prüfung theoretischer Annahmen ist möglich.
-
Literaturarbeit/deskriptiv
Zum Beschreiben oder Systematisieren reichen Forschungsfragen oft aus. Eine systematische Übersichtsarbeit oder Metaanalyse kann auch vorab formulierte Hypothesen prüfen.
-
Mixed Methods
Teilweise Hypothesen: statistische Hypothesen für den quantitativen Teil; qualitative Leitfragen oder theoretische Annahmen je nach Ansatz. Plane, wie beide Teile zusammenwirken.
Faustregel: Wenn du statistische Tests durchführst, um Zusammenhänge oder Unterschiede zu prüfen, brauchst du Hypothesen. Wenn du Phänomene verstehen, beschreiben oder interpretieren willst, stehen meist Forschungsfragen im Vordergrund. Kläre die Erwartungen mit deiner Betreuung, da Konventionen je nach Fach variieren.
Was ist eine Hypothese?
Eine Hypothese ist eine empirisch prüfbare, wissenschaftlich begründete Annahme, etwa über einen Zusammenhang, einen Gruppenunterschied oder einen Populationswert. Anders als eine bloße Vermutung basiert sie auf theoretischen Überlegungen oder bisherigen Forschungsergebnissen. Für eine konfirmatorische Prüfung legst du Hypothese und Analyseplan vor Kenntnis der dafür relevanten Ergebnisse fest, idealerweise vor der Datenerhebung. Das ist auch vor der Auswertung bereits vorhandener Daten möglich.
Der Begriff stammt aus dem Griechischen und bedeutet „Unterstellung“ oder „Grundlage“. In der Wissenschaft dient die Hypothese als Brücke zwischen Theorie und Empirie. Du leitest aus der Theorie eine Erwartung ab und prüfst, ob die Realität dieser Erwartung entspricht.
Beispiel: Du hast gelesen, dass Stress die Konzentrationsfähigkeit beeinträchtigt. Daraus leitest du die Hypothese ab: „Je höher das Stresslevel von Studierenden, desto niedriger ihre Konzentrationsfähigkeit in Prüfungssituationen.“ Diese Aussage kannst du mit einem Fragebogen und einem Konzentrationstest überprüfen.
Hypothese vs. Forschungsfrage: Der Unterschied
Die Forschungsfrage ist offen formuliert und beschreibt, was du herausfinden willst. Die Hypothese ist eine Antwort auf diese Frage, die du empirisch überprüfst. Während die Forschungsfrage fragt, gibt die Hypothese eine vorläufige Antwort.
Forschungsfrage:
„Wie hängt die Nutzungsdauer von Social Media mit dem Wohlbefinden von Studierenden zusammen?“
Offen formuliert, fragt nach
einem Zusammenhang ohne Richtungsvorgabe.
Hypothese:
„Je höher die tägliche Social-Media-Nutzungsdauer, desto niedriger das subjektive Wohlbefinden von Studierenden.“
Geschlossen, gerichtet, gibt eine erwartete Antwort.
In vielen Masterarbeiten hast du beides: eine übergeordnete Forschungsfrage und davon abgeleitete Hypothesen. Die Forschungsfrage gibt die Richtung vor, die Hypothesen konkretisieren, was du testest.
Typen von Hypothesen
Je nach Erkenntnisstand und Forschungsdesign wählst du unterschiedliche Hypothesentypen. Die Wahl beeinflusst, welchen statistischen Test du später verwendest.
Gerichtete Hypothese
Du sagst vorher, in welche Richtung der Zusammenhang geht. Mehr von X geht mit mehr (oder weniger) von Y einher.
Beispiel: „Je höher die Arbeitszufriedenheit, desto geringer die Fluktuationsabsicht.“
Geeignet, wenn Theorie oder frühere Studien eine Richtung nahelegen. Ein vorab begründeter einseitiger Test hat bei gleichem Alpha mehr Power für diese Richtung; Effekte in der Gegenrichtung werden damit nicht als Unterstützung geprüft. Eine gerichtete Erwartung kann auch zweiseitig getestet werden. Wichtig: Die Richtung muss vorab theoretisch begründet und vor der Analyse festgelegt sein.
Ungerichtete Hypothese
Du vermutest einen Zusammenhang, aber nicht die Richtung. Es gibt einen Unterschied oder Zusammenhang, aber du weißt nicht, ob positiv oder negativ.
Beispiel: „Es besteht ein Zusammenhang zwischen Führungsstil und Mitarbeitermotivation.“
Geeignet bei widersprüchlicher Literatur oder neuen Forschungsfeldern. Bei Tests auf eine einzelne Korrelation oder Mittelwertdifferenz berücksichtigst du Abweichungen in beide Richtungen.
Nullhypothese (H₀) und Alternativhypothese (H₁)
Diese beiden bilden ein Paar von Aussagen über einen Populationsparameter. Häufig steht H₀ für keinen Unterschied oder Zusammenhang und H₁ für einen Unterschied oder Zusammenhang. Bei einer einseitigen H₁ wie „größer als null“ umfasst die vollständige H₀ „kleiner oder gleich null“. Software stellt oft nur den für die Testberechnung maßgeblichen Grenzfall „gleich null“ dar.
H₀ (Nullhypothese): „Die mittlere Produktivität ist bei Beschäftigten im Homeoffice und im Büro gleich.“
H₁ (Alternativhypothese): „Die mittlere Produktivität unterscheidet sich zwischen Beschäftigten im Homeoffice und im Büro.“
Statistische Tests prüfen, ob du die Nullhypothese ablehnen kannst. Bei Ablehnung spricht das Ergebnis unter den Testannahmen für die statistische Alternative. Eine gerichtete Forschungshypothese wird nur durch einen Befund in der erwarteten Richtung unterstützt.
Begriffliche Klarheit: Unterscheide die inhaltliche Forschungshypothese von ihrer statistischen Umsetzung als H₀ und H₁. H₁ kann außerdem die Nummer deiner ersten Forschungshypothese bezeichnen. Mache im Methodenteil eindeutig, welches Hypothesenpaar du für welchen Test verwendest.
Kausal oder Zusammenhang? Die richtige Formulierung
Ein häufiger Fehler sind kausale Formulierungen bei korrelativen Designs. Ob du „führt zu“, „bewirkt“ oder „steht in Zusammenhang mit“ schreibst, hängt von deinem Forschungsdesign ab.
Formulierung nach Forschungsdesign
| Forschungsdesign | Was du erhebst | Erlaubte Formulierungen |
|---|---|---|
| Korrelativ / Querschnitt | Du erhebst Daten zu einem Zeitpunkt und prüfst statistische Zusammenhänge. | „steht in Zusammenhang mit“, „geht einher mit“, „korreliert mit“, „hängt zusammen mit“ |
| Längsschnitt (beobachtend) | Du misst zu mehreren Zeitpunkten, ohne eine Variable zu manipulieren. | „sagt vorher“, „geht zeitlich voraus“, „ist prädiktiv für“, „ist assoziiert mit“. Kausale Begriffe erfordern eine begründete Identifikationsstrategie, etwa begründete Annahmen zum Ausschluss unbeobachteter Störvariablen. Mehrere Messzeitpunkte und Kontrollvariablen allein reichen nicht. |
| Randomisiertes Experiment | Du manipulierst aktiv eine Variable (z.B. Treatment vs. Kontrolle) mit Randomisierung und kontrollierst Störvariablen. | „führt zu“, „hat einen Effekt auf“, „erhöht/senkt“. Randomisierung stützt die kausale Interpretation; prüfe außerdem Durchführung, Ausfälle und Messung. Auch quasi-experimentelle oder beobachtende Designs können unter begründeten Identifikationsannahmen kausale Fragen beantworten. |
-
Korrelativ / Querschnitt
Was du erhebst
Du erhebst Daten zu einem Zeitpunkt und prüfst statistische Zusammenhänge.
Erlaubte Formulierungen
„steht in Zusammenhang mit“, „geht einher mit“, „korreliert mit“, „hängt zusammen mit“
-
Längsschnitt (beobachtend)
Was du erhebst
Du misst zu mehreren Zeitpunkten, ohne eine Variable zu manipulieren.
Erlaubte Formulierungen
„sagt vorher“, „geht zeitlich voraus“, „ist prädiktiv für“, „ist assoziiert mit“. Kausale Begriffe erfordern eine begründete Identifikationsstrategie, etwa begründete Annahmen zum Ausschluss unbeobachteter Störvariablen. Mehrere Messzeitpunkte und Kontrollvariablen allein reichen nicht.
-
Randomisiertes Experiment
Was du erhebst
Du manipulierst aktiv eine Variable (z.B. Treatment vs. Kontrolle) mit Randomisierung und kontrollierst Störvariablen.
Erlaubte Formulierungen
„führt zu“, „hat einen Effekt auf“, „erhöht/senkt“. Randomisierung stützt die kausale Interpretation; prüfe außerdem Durchführung, Ausfälle und Messung. Auch quasi-experimentelle oder beobachtende Designs können unter begründeten Identifikationsannahmen kausale Fragen beantworten.
Problematisch (bei Querschnittsdesign)
„Social-Media-Nutzung führt zu geringerem Wohlbefinden.“
Impliziert Kausalität, die mit einer einmaligen Befragung
nicht belegbar ist.
Korrekt (bei Querschnittsdesign)
„Höhere Social-Media-Nutzung geht mit geringerem Wohlbefinden einher.“
Beschreibt den statistischen Zusammenhang ohne
Kausalbehauptung.
Prüffrage: Kann ich die zeitliche Reihenfolge begründen und plausible alternative Ursachen oder Selektionsprozesse mit meinem Design und meinen Annahmen ausschließen? Wenn deine Analyse nur einen statistischen Zusammenhang trägt, formuliere entsprechend.
Kriterien für gute Hypothesen
Eine wissenschaftliche Hypothese muss bestimmte Qualitätskriterien erfüllen. Diese Kriterien helfen dir bei der Selbstprüfung und unterscheiden eine gute Hypothese von einer vagen Vermutung.
Kriterium 1: Empirisch testbar
Die Hypothese muss sich mit Daten überprüfen lassen. Du brauchst messbare Variablen und eine Methode, um den Zusammenhang zu testen.
Nicht testbar
„Glückliche Menschen haben eine bessere Aura.“
Testbar
„Personen mit höherer Lebenszufriedenheit zeigen weniger physiologische Stressreaktionen.“
Kriterium 2: Präzise formuliert
Variablen sind klar definiert. Es ist eindeutig, was gemessen wird und bei wem.
Stolperstelle: Vage Begriffe wie „verbessert“, „beeinflusst“ oder „wirkt sich aus“ ohne Spezifikation der Richtung oder der gemessenen Indikatoren.
Kriterium 3: Theoretisch fundiert
Die Hypothese basiert auf Theorie oder bisherigen Forschungsergebnissen. Du kannst begründen, warum du diesen Zusammenhang erwartest.
Frag dich: Welche Theorie oder welche Studien legen diesen Zusammenhang nahe? Wenn du keine Begründung findest, ist die Hypothese möglicherweise willkürlich.
Kriterium 4: Falsifizierbar
Es muss prinzipiell möglich sein, die Hypothese zu widerlegen. Wenn jedes denkbare Ergebnis die Hypothese bestätigt, ist sie nicht wissenschaftlich.
Nicht falsifizierbar
„Motivation kann manchmal die Leistung beeinflussen.“
Falsifizierbar
„Je höher die intrinsische Motivation, desto höher die Arbeitsleistung.“
Kriterium 5: Wissenschaftlich relevant
Die Überprüfung der Hypothese trägt zum Erkenntnisgewinn bei. Sie adressiert eine Lücke im Forschungsstand oder hat praktische Relevanz.
Frag dich: Warum ist es wichtig zu wissen, ob diese Hypothese stimmt? Welchen Beitrag leistet die Bestätigung oder Widerlegung?
Hypothesen formulieren: Schritt für Schritt
Die Formulierung von Hypothesen folgt einem systematischen Prozess. Du leitest sie aus deiner Forschungsfrage und dem theoretischen Rahmen ab.
-
Forschungsfrage analysieren
Welche Variablen enthält deine Forschungsfrage? Was ist die unabhängige Variable (Prädiktor; als Ursache nur bei begründeter kausaler Identifikation interpretierbar)? Was ist die abhängige Variable (Kriterium oder Ergebnis)? Bei Vergleichsfragen: Welche Gruppen vergleichst du?
-
Theorie heranziehen
Was sagt die Fachliteratur zu diesem Zusammenhang? Gibt es etablierte Theorien, die eine Richtung nahelegen? Welche Ergebnisse zeigen bisherige Studien? Die Theorie liefert die Begründung für deine Erwartung.
-
Richtung festlegen
Basierend auf der Theorie entscheidest du: Formulierst du gerichtet (wenn die Theorie eine Richtung nahelegt) oder ungerichtet (wenn die Literatur widersprüchlich ist oder keine Richtung erkennbar ist)?
-
Hypothese ausformulieren
Verwende eine klare Struktur.
Bei gerichteten Zusammenhangshypothesen: „Je höher/niedriger X, desto höher/niedriger Y.“
Bei Unterschiedshypothesen: „Gruppe A zeigt höhere/niedrigere Werte in Y als Gruppe B.“
-
An den Kriterien prüfen
Ist die Hypothese testbar, präzise, theoretisch fundiert, falsifizierbar und relevant? Wenn nicht, überarbeite die Formulierung.
Formuliere zuerst deine Forschungshypothese und übersetze sie in ein statistisches Hypothesenpaar. Beispiel für einen positiven linearen Zusammenhang: H₁: ρ > 0, H₀: ρ ≤ 0. Dabei ist ρ die Korrelation in der Population; bei einer ungerichteten Alternative lautet das Paar H₁: ρ ≠ 0 und H₀: ρ = 0.
Wo stehen Hypothesen im Aufbau?
Die Platzierung der Hypothesen folgt einer klaren Logik: Du leitest sie her, bevor du sie testest. Die Hypothesen tauchen an mehreren Stellen in deiner Arbeit auf, jeweils mit unterschiedlicher Funktion.
-
Einleitung
Du stellst die Hypothesen nach der Forschungsfrage kurz vor, typischerweise am Ende der Einleitung. Hier reicht eine Aufzählung ohne ausführliche Begründung.
-
Theorieteil / Forschungsstand
Hier leitest du jede Hypothese aus der Theorie oder bisherigen Forschung her. Am Ende eines Theorie-Abschnitts oder Kapitels formulierst du die zugehörige Hypothese.
Die Herleitung endet mit einem Satz wie: „Daraus ergibt sich folgende Hypothese: H₁: Je höher X, desto höher Y.“
-
Methodenteil
Du beschreibst, wie du jede Hypothese testest. Welche Variablen operationalisierst du wie? Welchen statistischen Test verwendest du? Eine Übersichtstabelle kann helfen: Hypothese, Variablen, Messinstrument, Testverfahren.
-
Ergebnisteil
Du berichtest die Testergebnisse hypothesenweise.
Fiktives Beispiel: „Zur Prüfung von H₁ wurde eine Korrelationsanalyse durchgeführt. Es zeigte sich ein signifikanter positiver Zusammenhang (r = .42, p < .01). H₁ wird damit unterstützt.“
Ergänze Stichprobengröße und Konfidenzintervall sowie das verwendete Verfahren.
-
Diskussion
Du interpretierst, was Bestätigung oder Widerlegung bedeutet. Warum wurde H₂ nicht bestätigt? Welche Implikationen hat das Ergebnis zu H₁?
Nummeriere Hypothesen fortlaufend: H₁, H₂, H₃. Bei Unterhypothesen: H₁a, H₁b. Verwende im gesamten Dokument dieselbe Schreibweise.
Im Fließtext verweist du mit „Hypothese 1 (H₁)“ bei der ersten Nennung, danach reicht „H₁“. Unterhypothesen verwendest du nur, wenn eine Haupthypothese mehrere Teilaspekte hat, die separat getestet werden.
Hypothesen: Beispiele aus verschiedenen Fächern
Hier findest du fiktive Formulierungsbeispiele aus verschiedenen Fachbereichen, keine Studienbefunde. Jedes Paar zeigt eine gerichtete Alternative und die vollständige Nullhypothese für einen einseitigen Test; die Aussagen beziehen sich auf die jeweilige Population.
Wirtschaftswissenschaften
H₁: „Je höher die wahrgenommene Arbeitsplatzunsicherheit, desto niedriger das Engagement von Mitarbeitenden in KMU.“
H₀: „Der Zusammenhang zwischen wahrgenommener Arbeitsplatzunsicherheit und Mitarbeiterengagement in KMU ist null oder positiv.“
Psychologie
H₁: „Studierende, die regelmäßig Achtsamkeitsübungen praktizieren, berichten im Mittel niedrigere Prüfungsangst als Studierende ohne Achtsamkeitspraxis.“
H₀: „Die mittlere Prüfungsangst ist bei Studierenden mit regelmäßiger Achtsamkeitspraxis gleich hoch oder höher als bei Studierenden ohne Achtsamkeitspraxis.“
Sozialwissenschaften
H₁: „Je höher der sozioökonomische Status der Eltern, desto höher die Bildungsaspirationen von Jugendlichen.“
H₀: „Der Zusammenhang zwischen dem sozioökonomischen Status der Eltern und den Bildungsaspirationen von Jugendlichen ist null oder negativ.“
Gesundheitswissenschaften
H₁: „Pflegekräfte mit höherer emotionaler Intelligenz zeigen im Mittel geringere Burnout-Symptome als Pflegekräfte mit niedrigerer emotionaler Intelligenz.“
H₀: „Die mittleren Burnout-Symptome sind bei Pflegekräften mit höherer emotionaler Intelligenz gleich stark oder stärker als bei Pflegekräften mit niedrigerer emotionaler Intelligenz.“
Informatik / Wirtschaftsinformatik
H₁: „Die wahrgenommene Benutzerfreundlichkeit einer App steht bei über 60-Jährigen in einem positiven Zusammenhang mit der Nutzungsintention.“
H₀: „Der Zusammenhang zwischen wahrgenommener Benutzerfreundlichkeit einer App und Nutzungsintention ist bei über 60-Jährigen null oder negativ.“
Templates zum Kopieren
Diese Templates helfen dir bei der Formulierung. Ersetze die Platzhalter durch deine eigenen Angaben. Zu jeder Hypothese gehören Angaben zur Messung und Stichprobe, die du im Methodenteil dokumentierst. Die ausgefüllten Beispiele sind fiktive Forschungsvorhaben.
Formulierung
Je höher/niedriger [unabhängige Variable X], desto höher/niedriger [abhängige Variable Y] bei [Population Z].
Pflichtangaben
Population (z.B. Studierende deutscher Hochschulen), Operationalisierung X (z.B. Skala XY, 5 Items), Operationalisierung Y (z.B. standardisierter Test AB), Erhebungszeitpunkt/-raum.
Beispiel
Je höher die Aufgabenkohäsion (Subskala zur Aufgabenkohäsion nach Carless und De Paola, 2000), desto höher die Innovationsleistung (Anzahl umgesetzter Ideen/Quartal) in Projektteams mittelständischer IT-Unternehmen.
Formulierung
[Gruppe A] zeigt höhere/niedrigere Werte in [Variable Y] als [Gruppe B].
Pflichtangaben
Definition der Gruppen (Kriterium für Zuordnung), Operationalisierung Y, Stichprobe und Setting.
Beispiel
Führungskräfte mit absolvierter Coaching-Ausbildung (mind. 120h zertifiziert) zeigen höhere Werte in der Empathie-Subskala des EQ-i 2.0 als Führungskräfte ohne Coaching-Ausbildung.
Formulierung
Es besteht ein Zusammenhang zwischen [Variable X] und [Variable Y] bei [Population Z].
Pflichtangaben
Operationalisierung beider Variablen, Population, ggf. Begründung, warum keine Richtung angenommen wird.
Beispiel
Es besteht ein Zusammenhang zwischen Big-Five-Persönlichkeitsmerkmalen (Big Five Inventory) und selbstberichteten Lernpräferenzen (VARK-Fragebogen) bei Studierenden im ersten Semester.
Formulierung
Der Zusammenhang zwischen [X] und [Y] wird durch [Moderator M] moderiert: Bei hoher Ausprägung von M ist der Zusammenhang stärker/schwächer.
Pflichtangaben
Operationalisierung aller drei Variablen, theoretische Begründung der Moderationsrichtung, geplante Auswertung (z.B. Regression mit Interaktionsterm).
Beispiel
Der Zusammenhang zwischen Arbeitslast (Stunden/Woche) und Stress (PSS-10) wird durch soziale Unterstützung (F-SozU K-14) moderiert: Bei hoher sozialer Unterstützung ist der Zusammenhang schwächer.
Was ist ein Moderator? Bei einem Moderator unterscheidet sich die Stärke oder Richtung eines Zusammenhangs je nach Ausprägung einer dritten Variable. Statistisch lässt sich dies etwa mit einem Interaktionsterm in der Regression prüfen. Ein signifikanter Interaktionsterm spricht unter den Modellannahmen für eine solche Moderation; interpretiere auch Richtung und Größe des Zusammenhangs. Beispiel: Der Effekt von Stress auf Leistung könnte bei Personen mit hoher Resilienz schwächer sein als bei Personen mit niedriger Resilienz.
Abgrenzung zum Mediator: Ein Mediator liegt auf einem angenommenen Wirkpfad. Beispiel: Führungsstil → Motivation → Leistung. Die Hypothese lautet, dass Motivation einen Teil des Effekts des Führungsstils auf Leistung vermittelt. Eine statistische Mediation allein belegt diesen Mechanismus nicht; dafür brauchst du ein passendes Design und begründete Annahmen zu zeitlicher Reihenfolge und Störvariablen. Moderation beschreibt dagegen, wann oder bei wem ein Zusammenhang stärker oder schwächer ausfällt.
Typische Fehler vermeiden
-
Nachträgliche Hypothesen als vorab geplant ausgeben (HARKing)
Problem: Für konfirmatorische Analysen legst du Hypothesen und Analyseplan vor Kenntnis der relevanten Ergebnisse fest. Präregistrierung (Vorabfestlegung der Hypothesen und Analysen) ist Best Practice, aber im Masterarbeits-Kontext nicht überall verpflichtend.
So behebst du es: Dokumentiere spätere Änderungen transparent, statt sie als ursprünglich geplant darzustellen. Kläre mit deiner Betreuung, ob eine formale Präregistrierung erwartet wird. Explorative Analysen sind erlaubt, müssen aber als solche gekennzeichnet werden.
-
Zu viele Hypothesen aufstellen
Problem: Bei mehreren Tests kann ohne geeignete Fehlerkontrolle das Risiko mindestens eines falsch-positiven Befunds steigen. Eine Hypothese kann mehrere Tests erfordern, mehrere Hypothesen können auch gemeinsam geprüft werden. Zwei bis fünf Hypothesen sind ein möglicher überschaubarer Planungsrahmen.
So behebst du es: Plane die tatsächlich nötigen Tests. Lege vorab primäre und sekundäre Fragestellungen sowie die zusammengehörigen Testfamilien fest. Diese Einteilung ersetzt keine Kontrolle des multiplen Testens. Für eine Testfamilie kannst du beispielsweise Holm oder Bonferroni zur Kontrolle des Risikos mindestens eines falsch-positiven Ergebnisses verwenden; Holm ist dabei höchstens so konservativ wie Bonferroni.
-
Hypothesen ohne theoretische Begründung
Problem: Jede Hypothese braucht eine Herleitung aus der Theorie oder bisherigen Forschung. „Ich vermute, dass …“ reicht nicht.
So behebst du es: Im Theorieteil erklärst du, warum du diesen Zusammenhang erwartest.
-
Hypothese und Methode passen nicht zusammen
Problem: Eine Unterschiedshypothese kannst du etwa mit einem Gruppenvergleich oder Regressionsmodell prüfen, eine Zusammenhangshypothese je nach Variablentyp mit Korrelation, Regression oder einem Test für kategoriale Daten.
So behebst du es: Prüfe vor der Formulierung, ob dein Forschungsdesign den Test der Hypothese ermöglicht.
-
Testbar? Kann ich die Variablen messen und den Zusammenhang statistisch prüfen?
-
Präzise? Sind Variablen und Population klar definiert?
-
Begründet? Kann ich aus Theorie oder Forschung erklären, warum ich das erwarte?
-
Falsifizierbar? Ist ein Ergebnis denkbar, das die Hypothese widerlegt?
-
Relevant? Trägt die Prüfung zum Erkenntnisgewinn bei?
Nächste Schritte
Sobald deine Hypothesen formuliert und geprüft sind, hast du einen wichtigen Meilenstein erreicht. Die Hypothesen bestimmen, welche Daten du erheben musst und welche statistischen Tests du durchführst.
- Operationalisierung. Du legst fest, wie du deine Variablen konkret misst. Welche Skalen, Fragebögen oder Indikatoren verwendest du? Gibt es validierte Instrumente in der Literatur? Diese Entscheidungen dokumentierst du im Methodenteil. Mehr dazu findest du im Artikel zur Operationalisierung.
- Testverfahren wählen. Falls du mit Statistik arbeitest, wählst du jetzt den passenden Test. Für Zusammenhänge kommen etwa Korrelation, Regression oder bei kategorialen Variablen ein Chi-Quadrat-Test infrage. Für Mittelwertunterschiede eignen sich je nach Design t-Tests oder Varianzanalysen. Berücksichtige Skalenniveau, unabhängige oder verbundene Beobachtungen, Stichprobengröße und Verfahrensannahmen.
- Schreiben beginnen. Starte mit der Hypothesenherleitung im Theorieteil, da du dort die argumentative Grundlage schaffst. Sobald die Herleitung steht, füge die Kurzversion in die Einleitung ein. Die Struktur für Methoden, Ergebnisse und Diskussion ergibt sich dann aus der Hypothesenreihenfolge.
Wenn deine Arbeit fertig ist, kannst du bei BachelorHero deine Masterarbeit drucken lassen.
Häufig gestellte Fragen
Wie nummeriere ich Hypothesen und verweise im Text darauf?
Nummeriere Hypothesen fortlaufend mit H₁, H₂, H₃ usw. Bei Unterhypothesen nutze H₁a, H₁b. Im Fließtext verweist du mit „Hypothese 1 (H₁)“ oder kurz „H₁“. Im Ergebnisteil berichtest du hypothesenweise: „Zur Prüfung von H₁ wurde eine Korrelationsanalyse durchgeführt. Das Ergebnis unterstützt H₁ (r = .42, p < .01).“ Die Werte sind Beispiele; berichte je nach Test zusätzlich Effektgröße und Konfidenzintervall. Achte auf konsistente Schreibweise im gesamten Dokument.
Wie viele Hypothesen sollte eine Masterarbeit haben?
Die Anzahl hängt von deiner Forschungsfrage und dem Analyseaufwand ab. Zwei bis fünf Hypothesen können ein überschaubarer Planungsrahmen sein, etwa eine Haupthypothese plus ein bis drei Nebenhypothesen. Bei mehreren Tests kann ohne geeignete Fehlerkontrolle das Risiko mindestens eines falsch-positiven Befunds steigen.
Darf ich Hypothesen nach dem Pretest anpassen?
Nach einem Pretest darfst du Formulierungen und bei guter Begründung auch Hypothesen überarbeiten. Dokumentiere Änderungen transparent, etwa: „Aufgrund der Pretestergebnisse wurde Item X umformuliert.“ Ändert sich die inhaltliche Hypothese, halte ursprüngliche Version, neue Version und Begründung fest. Eine anhand der Pilotdaten entwickelte Erwartung prüfst du konfirmatorisch an neuen, davon unabhängigen Daten.
Wie formuliere ich Hypothesen bei Mixed-Methods-Designs?
Bei Mixed Methods formulierst du statistisch prüfbare Hypothesen für den quantitativen Teil. Für den qualitativen Teil eignen sich meist offene Forschungsfragen; bei einem deduktiven Ansatz können auch theoretische Annahmen die Analyse anleiten. Beispiel: Quantitativ „H₁: Je höher X, desto höher Y“, qualitativ „Wie erleben Betroffene den Zusammenhang zwischen X und Y?“ Im Methodenteil erklärst du, wie beide Teile zusammenwirken.
Was passiert, wenn meine Hypothese nicht bestätigt wird?
Eine nicht unterstützte Hypothese ist kein Misserfolg. Berichte, ob dein Ergebnis unpräzise ist, gegen den erwarteten Zusammenhang spricht oder sogar in die Gegenrichtung weist. Ein nicht signifikanter Test belegt für sich allein nicht, dass kein Effekt existiert. Interpretiere Effektgröße, Konfidenzintervall und Grenzen deines Designs im Diskussionsteil.
Was ist der Unterschied zwischen Hypothese und These?
Eine Hypothese ist eine empirisch überprüfbare Vermutung über einen Zusammenhang, die du mit Daten testest. Eine These ist eine Behauptung oder Aussage, die du argumentativ begründest, aber nicht zwingend empirisch prüfst. In naturwissenschaftlichen und sozialwissenschaftlichen Arbeiten sind Hypothesen üblich, in geisteswissenschaftlichen Arbeiten eher Thesen.
Abstract der Masterarbeit
Eidesstattliche Erklärung
Problemstellung der Masterarbeit