Die kurze Antwort
Ein p-Wert ist die Wahrscheinlichkeit, ein Ergebnis zu sehen, das mindestens so extrem ist wie Ihres, wenn die Nullhypothese (kein wirklicher Effekt) tatsächlich wahr wäre. Ein kleiner p-Wert (normalerweise unter 0,05) deutet darauf hin, dass Ihre Daten unter dieser Annahme ungewöhnlich wären – ein Beweis gegen die Nullhypothese, kein Beweis dafür, dass sie falsch ist, und nicht die Wahrscheinlichkeit, dass die Nullhypothese selbst wahr ist.
Wichtige Erkenntnisse
- p < 0,05 beweist nicht, dass ein Effekt real ist; Dies bedeutet, dass die beobachteten Daten unwahrscheinlich wären, wenn es tatsächlich keinen Effekt gäbe.
- Der p-Wert hängt von der Teststatistik, der Stichprobengröße und der Variabilität ab – ein kleiner, unwichtiger Effekt kann dennoch zu einem kleinen p-Wert führen, wenn die Stichprobe groß genug ist.
- Zweiseitige Tests teilen die Signifikanz in beide Richtungen auf und geben im Allgemeinen ungefähr den doppelten p-Wert eines passenden einseitigen Tests an.
- Unterschiedliche Teststatistiken (z, t, Chi-Quadrat, F) stammen aus unterschiedlichen Verteilungen, sodass dieselbe numerische Statistik je nach angewendetem Test sehr unterschiedliche p-Werte erzeugen kann.
Gemeinsame Signifikanzschwellen
| p-Wert-Bereich | Typische Interpretation |
|---|---|
| p ≥ 0.10 | Wenig bis keine Beweise gegen die Nullhypothese |
| 0.05 ≤ p < 0.10 | Schwache oder marginale Beweise |
| 0.01 ≤ p < 0.05 | Moderate evidence — commonly called "significant" |
| p < 0.01 | Starker Beweis gegen die Nullhypothese |
Bei diesen Bändern handelt es sich um Konventionen, nicht um Naturgesetze – verschiedene Bereiche (Medizin, Physik, Sozialwissenschaften) legen unterschiedliche Schwellenwerte fest, je nachdem, wie kostspielig ein falsch positives Ergebnis wäre.
Einschwänzig vs. zweischwänzig
| Prüfen | Frage gestellt | p-Wert-Beziehung |
|---|---|---|
| Zweischwänzig | Gibt es einen Unterschied, in beide Richtungen? | ~2× der einseitige p-Wert |
| Einschwänzig | Gibt es einen Unterschied in einer bestimmten Richtung? | ~1/2 der zweiseitige p-Wert |
Arbeitsbeispiel: Z-Test-P-Wert
z = 1,96, zweiseitiger Test
p = 2 × (1 − Φ(1,96)) = 2 × (1 − 0,9750) = 0,05
Genau aus diesem Grund taucht 1,96 so oft in Statistiken auf – es ist der Z-Score, dessen zweiseitiger p-Wert genau beim herkömmlichen Schwellenwert von 0,05 landet, was ihn zum Standard-Grenzwert für ein Konfidenzniveau von 95 % macht.
Häufige Fehler, die es zu vermeiden gilt
- Treating the p-value as "the probability the null hypothesis is true" — it's computed assuming the null IS true, so it can't simultaneously measure the odds that it's true.
- Wählen Sie die Richtung eines einseitigen Tests, nachdem Sie gesehen haben, in welche Richtung die Daten tendieren. Die Richtung muss vor Betrachtung der Ergebnisse festgelegt werden, sonst ist der Test nicht mehr gültig.
- Betrachtet man p = 0,05 als eine harte Linie – ein p-Wert von 0,049 und 0,051 stellen nahezu identische Beweise dar, obwohl sie auf entgegengesetzten Seiten des gemeinsamen Schwellenwerts landen.
- Wir verwechseln statistische Signifikanz mit praktischer Bedeutung – eine ausreichend große Stichprobe kann sogar einen trivial kleinen, unwichtigen Effekt statistisch signifikant machen.
Verwandte Rechner
- Konfidenzintervall-Rechner — Schätzen Sie einen Bereich, anstatt eine einzelne Hypothese zu testen.
- Z-Score-Rechner — Konvertieren Sie einen Rohwert in den Z-Score, den dieser Rechner testen kann.
- Standardabweichungsrechner — Berechnen Sie die Variabilität, die in die meisten Teststatistiken einfließt.
- Rechner für die Stichprobengröße — Planen Sie eine Studie mit ausreichender Aussagekraft, um einen echten Effekt festzustellen.