Download PDF
B&G Bewegungstherapie und Gesundheitssport 2021; 37(02): 72-76
DOI: 10.1055/a-1382-0614
Wissenschaft

Statistische Signifikanz – was der p-Wert aussagt

Statistical significance: Interpreting the p-value
Maximilian Köppel
1   AG Onkologische Sport- und Bewegungstherapie, Medizinische Onkologie, NCT Heidelberg
2   DVGS e.V.
,
Katharina Eckert
3   IST-Hochschule für Management, Düsseldorf
,
im Namen der AG Wissenschaft des DVGS e.V. › Author Affiliations
› Further Information
Also available at
    Permissions and Reprints

Zusammenfassung

Der Begriff der statistischen Signifikanz geht oft mit Missverständnissen einher. Dies liegt u. a. daran, dass sich mit den theoretischen Konzepten und Kenngrößen, die hinter dem Signifikanztesten liegen, zu wenig auseinandergesetzt wird. Hierzu gehört beispielsweise der p-Wert, der aussagt, mit welcher Wahrscheinlichkeit der beobachtete oder ein extremerer Effekt gefunden würde, wenn dieser Effekt in Wirklichkeit gar nicht existieren würde. Anhand des Beispiels eines Münzwurfs soll das Konzept des Nullhypothesensignifikanztestens erläutert werden, um ein besseres Verständnis für die Interpretation von wissenschaftlichen Ergebnissen zu erzeugen.

Summary

The concept of statistical significance is often accompanied by misunderstandings. This is due to the fact, among other things, that the theoretical concepts and parameters that lie behind the significance test are not dealt with adequately. This includes, for example, the p-value, which indicates the probability with which the observed or a more extreme “effect” would be found if this “effect” did not actually exist. The example of a coin toss is used to explain the concept of the null hypothesis significance test in order to create a better understanding of the interpretation of scientific results.

Stichworte

Statistische Signifikanz - p-Wert - Hypothesentesten, Alphafehlerwahrscheinlichkeit

Key words

Statistical significance - p-value - hypothesis testing - alpha error probability


Publication History

Received: 28 August 2020

Accepted: 18 January 2021

Article published online:
16 April 2021

© 2021. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany

 

  • Literatur

  • 1 Morey RD, Hoekstra R, Rouder JN, Lee MD, Wagenmakers E-J. The fallacy of placing confidence in confidence intervals. Psychonomic bulletin & review 2016; 23: 103-123
    CrossrefPubMedSearch in Google Scholar
  • 2 Zimbardo PG, Gerrig RJ. Psychologie. 16., aktualisierte Aufl. ed. München [u. a. ]: Pearson Studi-um; 2004
    Search in Google Scholar
  • 3 Sackett DL, Rosenberg WM, Gray JM, Haynes RB, Richardson WS. Evidence based medicine: what it is and what it isn’t. In: British Medical Journal Publishing Group; 1996
    Search in Google Scholar
  • 4 Gigerenzer G, Marewski JN. Surrogate science: The idol of a universal method for scientific infer-ence. Journal of Management 2015; 41: 421-440
    CrossrefPubMedSearch in Google Scholar
  • 5 Meehl PE. Theory-testing in psychology and physics: A methodological paradox. Philosophy of science 1967; 34: 103-115
    CrossrefPubMedSearch in Google Scholar
  • 6 Savage LJ. The shifting foundations of statistics. Logic, Laws and Life. 1977: 3-18
    PubMedSearch in Google Scholar
  • 7 Cohen J. The Earth Is Round (p < .05). American Psychologist 1994; 49: 997-1003
    CrossrefPubMedSearch in Google Scholar
  • 8 Lehmann EL. The Fisher, Neyman-Pearson theories of testing hypotheses: one theory or two?. Journal of the American statistical Association 1993; 88: 1242-1249
    CrossrefPubMedSearch in Google Scholar
  • 9 Gigerenzer G. Mindless statistics. The Journal of Socio-Economics 2004; 33: 587-6061
    CrossrefPubMedSearch in Google Scholar
  • 10 McGrayne SB. Die Theorie, die nicht sterben wollte: Wie der englische Pastor Thomas Bayes eine Regel entdeckte, die nach 150 Jahren voller Kontroversen heute aus Wissenschaft, Technik und Gesellschaft nicht mehr wegzudenken ist. Berlin, Heidelberg: Springer Spektrum; 2014
    CrossrefSearch in Google Scholar
  • 11 Gigerenzer G, Krauss S, Vitouch O. The null ritual. The Sage handbook of quantitative methodolo-gy for the social sciences 2004; 391-408
    PubMedSearch in Google Scholar
  • 12 McShane BB, Gal D, Gelman A, Robert C, Tackett JL. Abandon statistical significance. The Amer-ican Statistician 2019; 73: 235-245
    CrossrefPubMedSearch in Google Scholar
  • 13 Amrhein V, Greenland S, McShane B. Scientists rise up against statistical significance. In: Nature Publishing Group; 2019
    CrossrefSearch in Google Scholar
  • 14 Wasserstein RL, Lazar NA. The ASA statement on p-values: context, process, and purpose.. In: Taylor & Francis; 2016
    Search in Google Scholar
  • 15 Greenland S, Senn SJ, Rothman KJ. et al. Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. European journal of epidemiology 2016; 31: 337-350
    CrossrefPubMedSearch in Google Scholar
  • 16 Bender R, Lange S. Adjusting for multiple testing—when and how?. Journal of clinical epidemiology 2001; 54: 343-349
    CrossrefPubMedSearch in Google Scholar
  • 17 Sedgwick P. Clinical significance versus statistical significance. Bmj 2014: 348
    PubMedSearch in Google Scholar
  • 18 Kutschmann M, Bender R, Grouven U, Berg G. Aspects of sample size determination and power calculation illustrated on examples from rehabilitation research. Die Rehabilitation 2006; 45: 377-384
    Thieme ConnectPubMedSearch in Google Scholar