Skip to main content

P-Wert Rechner

Deutsch

Berechnen Sie den p-Wert aus z-Wert oder t-Test, um die statistische Signifikanz zu bestimmen.

Werte eingeben, um das Ergebnis zu sehen.

Leitfaden: p-Wert und statistische Signifikanz

p-Wert ist die Wahrscheinlichkeit, Ergebnisse zu erhalten, die mindestens so extrem sind wie die beobachteten, unter der Annahme, dass die Nullhypothese zutrifft. Mit anderen Worten misst er, wie stark die Daten der Hypothese widersprechen, dass es keinen Effekt und keinen Unterschied gibt.

p-Werte interpretieren: Ein niedriger p-Wert (meist unter 0,05) bedeutet, dass das Ergebnis unwahrscheinlich wäre, wenn die Nullhypothese zuträfe. Das führt dazu, die Nullhypothese zu verwerfen und die Alternative anzunehmen. Ein hoher p-Wert (über 0,05) bedeutet, dass die Belege nicht ausreichen, um die Nullhypothese zu verwerfen.

Z-Test vs. t-Test: Der Z-Test wird verwendet, wenn die Standardabweichung der Grundgesamtheit bekannt ist oder eine große Stichprobe vorliegt (n größer als 30). Der t-Test kommt zum Einsatz, wenn die Standardabweichung unbekannt ist und mit einer kleineren Stichprobe gearbeitet wird. Der t-Test ist bei kleinen Stichproben konservativer.

Statistische vs. praktische Signifikanz: Statistische Signifikanz bedeutet nicht immer praktische Bedeutsamkeit. Bei großen Stichproben können selbst kleine Effekte statistisch signifikant sein. Eine Differenz von 0,01 beim Durchschnittspreis kann bei einer Million Beobachtungen statistisch signifikant sein, hätte aber keine praktische Relevanz.

Grenzen: Der p-Wert misst weder die Effektgröße noch die Wahrscheinlichkeit, dass die Nullhypothese zutrifft. Auch lassen sich p-Werte verschiedener Experimente nicht ohne Kontext vergleichen. Berichten Sie stets Effektgröße und Konfidenzintervalle zusammen mit den p-Werten.

p < 0,05 bedeutet keine 5-prozentige Irrtumswahrscheinlichkeit

Der p-Wert beantwortet eine enge Frage: Wie oft träten so extreme Daten auf, wenn die Nullhypothese zuträfe? Er sagt nichts darüber, wie oft Ihre signifikanten Befunde tatsächlich falsch sind. Diese zweite Zahl hängt davon ab, wie plausibel Ihre Hypothesen von vornherein waren, und sie fällt meist weit schlechter aus als 5%.

So wird gerechnet

  • Wandelt einen z-Wert oder eine t-Statistik in einen p-Wert für ein- und zweiseitige Tests um.
  • Vergleicht das Ergebnis mit einer gewählten Signifikanzschwelle.
  • Nennt die Statistik, kein Urteil — die Fehler stecken in der Interpretation.
p = P(Daten mindestens so extrem | Nullhypothese wahr)

es ist NICHT P(Nullhypothese wahr | Daten)

Falschentdeckungsrate = falsch Positive ÷ alle signifikanten Ergebnisse
  falsch Positive = (1 − Vorwahrscheinlichkeit) × Alpha
  richtig Positive = Vorwahrscheinlichkeit × Teststärke

Rechenbeispiel

Tausend Hypothesen, geprüft bei α = 0,05 mit 80% Teststärke, von denen jede zehnte wirklich zutrifft.

  1. 100 wahre Hypothesen × 80% Teststärke = 80 richtig Positive
  2. 900 falsche Hypothesen × 5% Alpha = 45 falsch Positive
  3. signifikante Ergebnisse: 80 + 45 = 125
  4. Falschentdeckungsrate: 45 ÷ 125 = 36%

Mehr als ein Drittel der signifikanten Befunde ist falsch, obwohl jeder einzelne p < 0,05 erreicht. Träfe nur eine Hypothese von hundert zu, wären 86% der signifikanten Ergebnisse falsch.

Das Ergebnis lesen

  • Die Vorwahrscheinlichkeit wiegt enorm und wird selten genannt. Plausible, theoriegeleitete Hypothesen zu prüfen ergibt eine Falschentdeckungsrate um 6%; das Durchkämmen unplausibler bei 1% Vorwahrscheinlichkeit treibt sie bei identischer Schwelle auf 86%.
  • Geringe Teststärke verschärft das. Bei 10% Vorwahrscheinlichkeit hebt ein Absinken der Teststärke von 80% auf 20% die Falschentdeckungsrate von 36% auf 69% — eine unterpowerte Studie übersieht nicht nur reale Effekte, sie macht auch ihre eigenen Positivbefunde unzuverlässig.
  • Viele Endpunkte zu testen vervielfacht das Problem. Zwanzig unabhängige Tests bei α = 0,05 ergeben rund 64% Wahrscheinlichkeit für mindestens einen Fehlalarm — deshalb gibt es Korrekturverfahren und deshalb ist unausgewiesenes Mehrfachtesten so schädlich.
  • Statistische Signifikanz ist keine Effektstärke. Bei genügend großer Stichprobe erreicht ein belangloser Unterschied p < 0,001 und bleibt praktisch bedeutungslos — lesen Sie stets das Konfidenzintervall neben dem p-Wert.

Häufige Fragen

Was bedeutet p = 0,03 denn wirklich?
Dass bei zutreffender Nullhypothese so extreme oder extremere Daten in 3% der Fälle aufträten. Es ist eine Aussage über die Daten bei gegebener Hypothese, nicht über die Hypothese bei gegebenen Daten — und beides ist nicht austauschbar.
Sollte ich eine strengere Schwelle wählen?
Das hilft, löst es aber nicht. Der Wechsel auf α = 0,005 fünftelt die Fehlalarme, um den Preis, mehr echte Effekte zu verpassen. Wirksamer sind plausible Hypothesen, ausreichend gepowerte Studien und die Vorabregistrierung dessen, was geprüft werden soll.

Quellen