Was bedeutet der p-Wert in Stata?
In diesem Beitrag
Was der p-Wert grundsätzlich aussagt
Der p-Wert gibt an, wie wahrscheinlich es ist, ein mindestens so extremes Ergebnis zu beobachten, wenn die Nullhypothese wahr wäre. Er ist damit kein Maß für die Wahrscheinlichkeit, dass Ihre Hypothese stimmt – sondern ein Maß für die Verträglichkeit der Daten mit der Nullhypothese.
Konkret: Wenn Sie in Stata eine Regression rechnen und einen p-Wert von 0,03 erhalten, bedeutet das: Unter der Annahme, dass der wahre Effekt null ist, wäre ein solches Ergebnis (oder ein noch extremeres) nur in 3 % der Fälle per Zufall zu erwarten. Das klingt nach einem klaren Befund – doch die Interpretation verlangt mehr als nur einen Blick auf diese eine Zahl.
Der p-Wert im Stata-Output: die Spalte P>|t|
In Stata begegnet Ihnen der p-Wert am häufigsten in der Spalte P>|t| innerhalb eines Regressions-Outputs. Diese Spalte erscheint immer dann, wenn Sie einen t-Test für einzelne Koeffizienten durchführen – also etwa nach dem Befehl regress.
Was zeigt ein typischer Stata-Output?
Ein Standardoutput nach regress einkommen alter bildung enthält je Koeffizient folgende Spalten:
| Spalte | Bedeutung |
|---|---|
| Coef. | Geschätzter Regressionskoeffizient |
| Std. Err. | Standardfehler des Koeffizienten |
| t | t-Teststatistik (Koeffizient geteilt durch Standardfehler) |
| P>|t| | Zweiseitiger p-Wert für den Test, ob der Koeffizient gleich 0 ist |
| [95% Conf. Interval] | Untere und obere Grenze des Konfidenzintervalls |
Die Spalte P>|t| testet für jeden Prädiktor die Nullhypothese H₀: β = 0, also dass der jeweilige Koeffizient keinen Zusammenhang mit der abhängigen Variable hat. Ein p-Wert von 0,000 bedeutet dabei nicht exakt null, sondern lediglich, dass der Wert so klein ist, dass er auf den angezeigten Dezimalstellen gerundet wird – Stata zeigt standardmäßig drei Nachkommastellen an.
p-Werte bei anderen Stata-Befehlen
Der p-Wert erscheint in Stata nicht nur bei Regressionen. Sie finden ihn unter anderem auch bei:
- ttest – t-Test für Mittelwertvergleiche (Spalte Pr(|T| > |t|))
- anova – Varianzanalyse (Spalte Prob > F)
- logit / probit – logistische Regression (Spalte P>|z|)
- correlate – Korrelationstest
Das Grundprinzip bleibt dasselbe: Stata berechnet eine Teststatistik und gibt die Wahrscheinlichkeit an, unter H₀ einen mindestens so extremen Wert zu beobachten.
Wie Stata den p-Wert berechnet
Hinter dem p-Wert in der Regressionsausgabe steckt eine konkrete Berechnung. Stata leitet den t-Wert direkt aus Koeffizient und Standardfehler ab:
t-Teststatistik im Regressionsoutput
Wobei der geschätzte Koeffizient und sein Standardfehler ist. Aus diesem t-Wert berechnet Stata mit der Funktion ttail() und den zugehörigen Freiheitsgraden den zweiseitigen p-Wert.
Möchten Sie diesen Wert manuell nachvollziehen, können Sie in Stata folgenden Code nutzen:
* Beispiel: Koeffizient = 0.42, SE = 0.15, n = 200, k = 3 Prädiktoren
* Freiheitsgrade: df = n - k - 1 = 196
scalar t_wert = 0.42 / 0.15
scalar df = 196
scalar p_wert = 2 * ttail(df, abs(t_wert))
display "t = " t_wert
display "p = " p_wertDieser Ansatz hilft Ihnen, die Stata-Ausgabe besser nachzuvollziehen – und macht deutlich, dass der p-Wert immer im Zusammenspiel von Teststatistik, Freiheitsgraden und Verteilungsannahme entsteht. Wer tiefer in die Regressionsanalyse in Stata einsteigen möchte, findet dort eine vollständige Anleitung mit Output-Erklärung.
Den p-Wert richtig interpretieren
Das Alpha-Niveau als Vergleichsmaßstab
Um einen p-Wert zu beurteilen, legen Sie vorab ein Signifikanzniveau α fest – in den meisten sozial- und wirtschaftswissenschaftlichen Studien ist das α = 0,05. Gilt p < α, wird das Ergebnis als statistisch signifikant bezeichnet, d.h. die Nullhypothese wird verworfen.
Ein p-Wert von 0,051 gilt bei diesem Schwellenwert als nicht signifikant, obwohl er nur knapp darüber liegt – ein Beispiel, das zeigt, wie mechanisch diese Grenze in der Praxis manchmal gesetzt wird. Das Alpha-Niveau muss vor der Auswertung festgelegt sein; eine nachträgliche Anpassung, um Signifikanz zu erreichen, ist methodisch nicht zulässig.
p-Wert und Konfidenzintervall
p-Wert und Konfidenzintervall liefern dieselbe Information auf unterschiedliche Weise. Als Faustregel gilt: Enthält das 95%-Konfidenzintervall eines Koeffizienten die Null, ist der zugehörige p-Wert größer als 0,05 – der Koeffizient ist damit bei α = 0,05 nicht signifikant.
Diese Beziehung ist nützlich, wenn Sie Ihre Ergebnisse in Tabellen darstellen: Viele Fachzeitschriften bevorzugen heute die Angabe von Konfidenzintervallen gegenüber reinen p-Werten, weil sie mehr über die Präzision der Schätzung aussagen.
Was der p-Wert nicht aussagt
Hier liegt die häufigste Fehlerquelle. Ein p-Wert misst weder die Wahrscheinlichkeit, dass die Nullhypothese wahr ist, noch die praktische Bedeutsamkeit eines Effekts. Die offizielle Stellungnahme der American Statistical Association formuliert das eindeutig: p-Werte dürfen nicht als alleinige Grundlage für wissenschaftliche Schlussfolgerungen dienen.
Was Sie stattdessen zusätzlich berichten sollten:
- Effektstärke (z.B. Cohens d, η², R²) – wie groß ist der Effekt tatsächlich?
- Konfidenzintervalle – wie präzise ist die Schätzung?
- Stichprobengröße – beeinflusst den p-Wert direkt
- Inhaltliche Plausibilität – passt das Ergebnis zur Theorie?
Typische Fehlinterpretationen
In Abschlussarbeiten und Forschungsberichten tauchen immer wieder dieselben Missverständnisse auf. Kennen Sie diese Fehler, können Sie sie in Ihrer eigenen Arbeit gezielt vermeiden.
| Falsche Aussage | Richtige Einordnung |
|---|---|
| „p = 0,03 bedeutet, dass H₀ zu 3 % wahr ist.“ | Falsch. Der p-Wert beschreibt die Daten unter H₀, nicht die Wahrscheinlichkeit von H₀. |
| „p = 0,000 bedeutet exakt null.“ | Falsch. Stata rundet auf drei Stellen – der Wert ist sehr klein, aber nie exakt null. |
| „p > 0,05 beweist, dass kein Effekt existiert.“ | Falsch. Nicht signifikant bedeutet nicht „kein Effekt“, sondern „kein ausreichend starkes Evidenz“. |
| „Ein kleinerer p-Wert bedeutet einen größeren Effekt.“ | Falsch. Kleine p-Werte entstehen auch bei kleinen Effekten mit großer Stichprobe. |
| „Ich wechsle von zweiseitig zu einseitig, weil es sonst nicht signifikant ist.“ | Unzulässig. Der Testtyp muss vorab festgelegt sein – nachträgliches Wechseln ist p-Hacking. |
p-Wert in der Praxis: Checkliste für Ihre Auswertung
Wenn Sie in Stata eine Auswertung durchführen und den p-Wert berichten möchten, sollten Sie diese Schritte systematisch durchgehen. Gerade in Bachelorarbeiten oder Masterarbeiten wird die korrekte Interpretation des p-Werts von Betreuenden und Gutachtenden explizit bewertet.
Checkliste: p-Wert korrekt berichten
- Signifikanzniveau α vorab festgelegt (z.B. α = 0,05)?
- Testtyp (einseitig / zweiseitig) begründet und vorab definiert?
- p-Wert korrekt aus der Spalte P>|t| (oder P>|z|, Prob > F) abgelesen?
- p = 0,000 als „sehr kleiner Wert, nicht exakt null“ kommuniziert?
- Effektstärke zusätzlich berichtet (R², Cohens d, η² o.ä.)?
- Konfidenzintervall angegeben?
- Inhaltliche Interpretation des Ergebnisses formuliert (nicht nur „signifikant“)?
- Stichprobengröße transparent gemacht?
Wenn Sie sich bei der Interpretation unsicher sind – etwa bei komplexen Modellen mit Interaktionstermen (dazu mehr im Artikel über ## in Stata) oder bei mehrstufigen Auswertungen – kann eine methodische Begleitung helfen, Fehler in der Ergebnisdarstellung zu vermeiden. Die Stata-Beratung bei QuantExpert unterstützt Sie dabei, Ihre Auswertungen korrekt durchzuführen und die Ergebnisse nachvollziehbar zu dokumentieren.
Wer Stata regelmäßig für empirische Analysen einsetzt, profitiert auch davon, Auswertungsschritte in einem Do-File zu dokumentieren – so lassen sich p-Werte und Testergebnisse jederzeit reproduzieren und nachvollziehbar berichten.
