Statistische Signifikanz
In der Statistik heißen Unterschiede signifikant, wenn sie mit einer bestimmten Wahrscheinlichkeit nicht durch Zufall zustande gekommen sind. Die Überprüfung der statistischen Signifikanz geschieht mit Hilfe einer Nullhypothese, die verworfen wird, wenn das zufällige Zustandekommen des Unterschiedes sehr unwahrscheinlich ist. Der Grad der zu überprüfenden Unwahrscheinlichkeit wird vorher festgelegt und mit bezeichnet, beispielsweise für 5% Irrtumswahrscheinlichkeit.
Table of contents |
2 Aussagewert und Power 3 Irrige Überzeugungen 4 wissenschaftliches Publizieren 5 Literatur |
Beispiele
In den oben genannten Beispielen kann man sich nie hundertprozentig sicher sein, dass der Zufall die Ergebnisse nicht verfälscht hat. Man kann aber berechnen, wie wahrscheinlich es wäre, dass die gemessenen Ergebnisse nur aufgrund eines ungünstigen Zufalls auftreten. Dieser zufällige Fehler wird allgemein als Fehler 1. Art und bei Signifikanzen als Irrtumswahrscheinlichkeit bezeichnet.
Es hat sich eingebürgert, ohne dass es dafür einen besonderen mathematischen oder sonstigen Grund gäbe, die Irrtumswahrscheinlichkeit auf 5 Prozent festzulegen. Das bedeutet aber in der Praxis, dass eine von 20 Untersuchungen, die sich auf diese Berechnung verlässt, zu falschen Schlüssen kommt.
Auch bei vorgeblich statistisch signifikanten Aussagen ist immer eine kritische Überprüfung der Versuchsanordnung und -durchführung notwendig. Nur selten genügen wissenschaftliche Untersuchungen den mathematischen Anforderungen an einen aussagefähigen statistischen Test. Bei vielen Studien steht der Wunsch des oder der Studiendurchführenden (z.B. im Rahmen einer Doktorarbeit) nach einem 'signifikanten' Ergebnis bei der Studiendurchführung zu sehr im Vordergrund - Untersuchungen, bei denen die Nullhypothese bestätigt wird, werden nämlich gemeinhin als uninteressant und überflüssig angesehen. Als Hinweise auf die Qualität einer Studie können im medizinischen Umfeld die Eigenschaften "randomisiert", "kontrolliert" und "doppelblind" gelten. Ohne diese sind Aussagen etwa zur Wirksamkeit von Therapien mit äußerster Vorsicht zu behandeln. Sehr schwierig und problematisch ist insbesondere die Interpretation signifikanter Korrelationen in retrospektiven Studien. Zu bedenken ist darüberhinaus stets, dass aus statistisch signifikanten Korrelationen oft fälschlich auf eine vermeintliche Kausalität geschlossen wird (Beispiel: Zwischen 1960 und 1990 korrelierte die Zahl der Störche in Deutschland signifikant mit der Geburtenrate, da beide Zahlen stark gesunken sind, dennoch ist die Kausalität zumindest fraglich).
Aussagewert und Power
Die Medizinstatistiker Dubben und Bernholdt widerspechen der Meinung, dass Signikanz mit der Irrtumswahrscheinlichkeit gleich zu setzen sei. Signifikante Studien können trotzdem eine geringe statistische Power, i.e Ausagewert, haben. Statistische Signifikanz ist also ein notwendiges Kriterium, aber noch kein hinreichender Beweis für die Wirksamkeit eines Medikaments.
Weiters sind folgende (verbreitete) Meinungen über das Signifikanzniveau irrig und nicht zutreffend: Das Signifikanzniveau lege fest
Siehe auch: Quantil, Wahrscheinlichkeitsverteilung, T-Test, F-Test
Die Herausgeber der Zeitschrift für Sozialpsycholgie erklärten hingegen ausdrücklich, dass die Annahme von Artikeln in ihrer Zeitschrift nicht von der Signifikanz der Ergebnisse abhängt, da die Redaktion einen Kontrapunkt zu dem Ausbreiten des Fehlers 1. Art schaffen wolle.Irrige Überzeugungen
(Quelle: Gerd Gigerenzer, Zeno Swijtink, Theodore Porter: Das Reich des Zufalls ISBN 3827401011)wissenschaftliches Publizieren
Vielfach wurde die Signifikanz als Maß dafür genommen, ob ein wissenschaftlicher Artikel veröffentlich werden sollte.