Statistische Signifikanz
In diesem Beitrag
Was versteht man unter statistischer Signifikanz?
Ein Ergebnis gilt als statistisch signifikant, wenn es unter der Annahme, dass die Nullhypothese wahr ist, mit einer hinreichend geringen Wahrscheinlichkeit auftritt. Diese Wahrscheinlichkeit wird als p-Wert ausgedrückt und mit einem vorab festgelegten Schwellenwert verglichen – dem sogenannten Signifikanzniveau α (Alpha).
Die formale Entscheidungsregel lautet:
Entscheidungsregel
Ist der p-Wert kleiner als α, wird die Nullhypothese abgelehnt und das Ergebnis als statistisch signifikant bezeichnet. Typische Signifikanzniveaus in der Praxis sind α = 0,05, α = 0,01 und α = 0,001.
Warum ist statistische Signifikanz für statistische Analysen wichtig?
Statistische Signifikanz ist eines der zentralen Konzepte der inferenzstatistischen Analyse. Sie hilft dabei zu beurteilen, ob ein beobachteter Effekt – etwa ein Unterschied zwischen zwei Gruppen oder ein Zusammenhang zwischen zwei Variablen – auf einen echten Effekt in der Grundgesamtheit hindeutet oder ob er einfach durch zufällige Schwankungen in der Stichprobe entstanden sein könnte.
Ohne dieses Kriterium wäre es kaum möglich, Forschungsergebnisse systematisch zu bewerten und zu vergleichen. In vielen wissenschaftlichen Disziplinen – von der Medizin über die Psychologie bis zur Wirtschaftswissenschaft – ist der Nachweis statistischer Signifikanz eine Grundvoraussetzung für die Publikation von Befunden.
Praxisbeispiel zu statistischer Signifikanz
Eine Forscherin untersucht, ob ein neues Lernprogramm die Prüfungsleistungen von Studierenden verbessert. Sie teilt 60 Studierende zufällig in zwei Gruppen auf: Eine Gruppe nutzt das neue Programm, die andere lernt wie gewohnt. Nach dem Semester vergleicht sie die Prüfungsergebnisse mit einem unabhängigen t-Test.
| Gruppe | n | Mittlere Punktzahl | Standardabweichung |
|---|---|---|---|
| Neues Lernprogramm | 30 | 74,2 | 8,1 |
| Kontrollgruppe | 30 | 68,5 | 9,3 |
Der t-Test ergibt einen p-Wert von 0,032. Da dieser Wert kleiner ist als das vorab festgelegte Signifikanzniveau von α = 0,05, wird die Nullhypothese abgelehnt. Die Forscherin schlussfolgert: Der Unterschied zwischen den Gruppen ist statistisch signifikant – er ist also unwahrscheinlich allein durch Zufall entstanden.
Allerdings berechnet sie zusätzlich Cohen’s d und erhält einen Wert von 0,65, was einem mittleren Effekt entspricht. Erst diese Kombination aus Signifikanztest und Effektgröße erlaubt eine vollständige und seriöse Interpretation der Ergebnisse.
