Signifikanztestung Flashcards
Effektgröße
Effektgröße bezeichnet eine Standardisierung von statistischen Kennwerten, welche die
ermittelten Effekte vergleichbar macht. Effektgrößen können a posteriori berechnet
werden. Ein statistischer Effekt liegt hierbei vor, wenn bei der entsprechenden
statistischen Signifikanztestung des Effekts die Nullhypothese abgelehnt und somit die
Alternativhypothese angenommen wird. Die Effektgröße verdeutlicht die praktische
Relevanz der gefundenen Effekte und ist von der Stichprobengröße unabhängig,
während die Steigerung der Teststärke durch zunehmenden Stichprobenumfang auch
bei kleinen bzw. unbedeutenden Effekten zur Ablehnung der Nullhypothese führen
kann. Somit können Effektgrößen Effekte unabhängig von Stichprobengröße oder
Messinstrument vergleichbar machen. Zur Bewertung von Effektgrößen hat Cohen
(1988) für verschiedene Effektgrößenmaße eine Einteilung in kleine, mittlere und große
Effekte vorgeschlagen, wobei dieser Vorschlag als Richtlinie zu verstehen ist. Es
empfiehlt sich immer eine Einordnung der Effektgröße mit vergleichbaren Ergebnisse.
Es gilt: jedes statistische Verfahren hat seine eigene Effektgröße!
Kriterien einer Hypothese
- Sie muss sinnlich erfahrbar sein, d.h. empirisch testbar sein (operationalisierbar und messbar)
- Sie muss mit beobachtbaren Sachverhalten in Widerspruch stehen können, d.h. falsifizierbar sein können
- Sie muss eine gewisse Allgemeingültigkeit beanspruchen, d.h. über einen Einzelfall hinausgehen
- Sie muss theoretisch begründet sein bzw. auf bisherige Wissensstände aufbauen
- Sie sollte möglichst „sparsam“ sein
- Sie sollte weitere Forschung anregen
Hypothesenprüfende Studien (explanative Studien)
Ziel, Annahmen über Unterschiede, Zusammenhänge, und Veränderungen ausgewählter Merkmale bei bestimmten Populationen zu testen. Neben der Prüfung von Variablenbeziehungen sind auch Prognose und Erklärung von Effekten wichtige Ziele.
Erkundende Studien (explorative Studien)
Ziel, in einem relativ unerforschten Bereich neue Hypothesen zu entwickeln oder theoretische bzw. begriffliche Voraussetzungen zu schaffen, um erste Hypothesen formulieren zu können.
Beschreibende Studien (deskriptive Studien)
Ziel, die Beschreibung von etwas hinsichtlich ausgewählter Merkmale zur Vorbereitung der Hypothesenbildung. (Induktion + Deduktion)
H1: Alternativ(Forschungs-)hypothese
- Beschreibt die Hypothese, die wir bestenfalls „beweisen“ wollen. Geht aus einer Forschungsfrage hervor.
- Geht über den bisherigen Erkenntnisstand einer Wissenschaft hinaus und beinhalten Aussagen, die mit anderen Theorien in Widerspruch stehen können bzw. diese Aussagen ergänzen sollen.
H0: Nullhypothese
Sie behauptet, dass der in der Alternativhypothese postulierte Unterschied bzw. Zusammenhang bzw. die Veränderung nicht vorhanden ist.
Signifikanzniveau
- Die Kontrolle des Fehlers 1. Art wird durch die Festlegung eines sogenannten Signifikanzniveaus (α-Niveau) erreicht.
- Das Signifikanzniveau bezeichnet die von der ForscherIn festgelegte Wahrscheinlichkeit, mit welcher die Ablehnung der Nullhypothese im Rahmen eines Signifikanztests zu einem Fehler 1. Art führt.
Prüfgröße und Entscheidung
- Prüfgröße stellt das aus dem statistischen Test resultierende Ergebnis dar. Das was wir (oder JASP)
also nach Verwendung der Formel errechnen. - Nach Bestimmung eines Signifikanzniveaus α, können wir anhand der errechneten Prüfgröße sehen,
welchen Bereich die Prüfgröße umfasst, der diejenigen Werte umfasst, welche zur Ablehnung der
Nullhypothese führen und somit dessen Ablehnung. Wir sprechen also von einem Alpha- oder
Annahmebereich, in dem die H1 gilt, und von einem Beta- oder Ablehnungsbereich, in dem die H0 gilt.
Der Ablehnungsbereich ist abhängig von der Richtungsweisung der Alternativhypothese.
p-Wert
Unter der Annahme der Gültigkeit der Nullhypothese entspricht der p-Wert der Wahrscheinlichkeit der beobachteten oder einer extremen Prüfgröße, welche mit der in der Alternativhypothese spezifizierten Richtung des Effekts übereinstimmt.
Definition Teststärke
Die Teststärke gibt an, mit welcher Wahrscheinlichkeit ein Signifikanztest zugunsten
einer spezifischen Alternativhypothese entscheidet, falls diese gilt. Die Teststärke ist
gleich 1 - β.
Die Teststärke bezeichnet also die Sensitivität des Experiments, einen tatsächlichen
Effekt auch erkennen zu können, und beschreibt somit die Wahrscheinlichkeit,
einen Fehler 2. Art zu vermeiden. Anders ausgedrückt besagt die Teststärke, wie gut
ein statistischer Test darin ist, eine falsche Nullhypothese auch als falsch zu erkennen.
Die Berechnung der Teststärke erfolgt mit dem Programm G*Power.
Als untere Grenze der Teststärke wird bei der Stichprobenplanung häufig ein Wert von
80 % (d.h. 1− β ≥ 0.8) angestrebt.
