pwert-interpretation-schoice
Question
In einer Studie wird ein Zusammenhang zwischen zwei Variablen untersucht; berichtet wird ein p-Wert von \(p = 0{,}03\). Welche Interpretation dieses p-Werts ist zutreffend?
Answerlist
- Unter der Annahme, dass in der Population kein Zusammenhang besteht (\(H_0\)), wäre ein mindestens so extremes Ergebnis wie das beobachtete mit einer Wahrscheinlichkeit von 3 % zu erwarten, wenn man die Studie (unter gleichen Bedingungen) gedanklich unendlich oft wiederholen würde.
- Die Wahrscheinlichkeit, dass \(H_0\) (kein Zusammenhang) zutrifft, beträgt 3 %.
- Die Wahrscheinlichkeit, dass die Forschungshypothese (ein Zusammenhang besteht) zutrifft, beträgt 97 %.
- Der gefundene Zusammenhang ist mit 97%iger Sicherheit auch praktisch bedeutsam.
- Bei einer exakten Wiederholung der Studie würde man mit 97%iger Wahrscheinlichkeit erneut ein statistisch signifikantes Ergebnis erhalten.
Solution
Der p-Wert ist definiert als die Wahrscheinlichkeit, ein empirisches Ergebnis zu erhalten, das mindestens so extrem ist wie das beobachtete, vorausgesetzt die Nullhypothese \(H_0\) gilt (und man wiederholt den Versuch gedanklich unendlich oft unter gleichen Bedingungen). Das entspricht exakt der ersten Antwortoption. Der p-Wert ist also eine bedingte Wahrscheinlichkeit – bedingt auf die Gültigkeit von \(H_0\) – und keine Wahrscheinlichkeitsaussage über \(H_0\) selbst oder über die Forschungshypothese.
Warum die Distraktoren falsch sind:
- Die zweite Option verwechselt den p-Wert mit der Wahrscheinlichkeit von \(H_0\) selbst (\(Pr(H_0 | \text{Daten})\)). Der p-Wert ist aber \(Pr(\text{Daten (oder extremer)} | H_0)\) – eine bedingte Wahrscheinlichkeit in die andere Richtung. Das ist eine der im Kapitel explizit genannten typischen Fehlinterpretationen.
- Die dritte Option begeht denselben Fehler in Bezug auf die Forschungshypothese: Der p-Wert sagt nichts über die Wahrscheinlichkeit der Alternativhypothese aus; zudem ergänzen sich “\(Pr(H_0)\)” und “\(Pr(\text{Forschungshypothese})\)” nicht einfach zu 100 %, wie hier unterstellt.
- Die vierte Option verwechselt statistische Signifikanz mit praktischer Bedeutsamkeit (Effektgröße). Ein kleiner p-Wert sagt nichts über die Größe oder praktische Relevanz eines Effekts aus – das Kapitel warnt ausdrücklich vor dieser Verwechslung.
- Die fünfte Option begeht den “Replikations-Fehlschluss”: Der p-Wert einer einzelnen Studie sagt nichts darüber aus, wie wahrscheinlich ein erneut signifikantes Ergebnis bei Replikation ist; diese Wahrscheinlichkeit hängt von der (unbekannten) tatsächlichen Effektgröße, der Power der Studie und weiteren Faktoren ab, nicht einfach vom Komplement des p-Werts.
Aufgabenname: pwert-interpretation-schoice
Answerlist
- Wahr
- Falsch
- Falsch
- Falsch
- Falsch
Meta-information
exname: pwert-interpretation-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: inferenz