P-Wert Rechner

Referenztabelle (zweiseitig)

Was ein p-Wert bedeutet

Ein p-Wert ist die Wahrscheinlichkeit, vorausgesetzt die Nullhypothese ist wahr, eine Teststatistik zu sehen, die mindestens so extrem ist wie die, die Sie beobachtet haben. Ein kleiner p-Wert bedeutet, dass die Daten unter der Nullhypothese unwahrscheinlich wären, also ist die Null entweder falsch oder Sie hatten Pech.

Was ein p-Wert nicht bedeutet

• Es ist nicht die Wahrscheinlichkeit, dass die Nullhypothese wahr ist.
• Es ist nicht die Wahrscheinlichkeit, dass Sie das Ergebnis replizieren werden.
• Es ist nicht die Effektgröße. Ein winziger, bedeutungsloser Effekt kann p < 0.001 mit einer großen genug Stichprobe ergeben.
• Es ist nicht eine Schwelle, die “echt” von “nicht echt” trennt, 0.05 ist eine Konvention, kein Gesetz.

Wahl zwischen einseitig und zweiseitig

Verwenden Sie einseitig nur, wenn Sie eine echte gerichtete Hypothese haben, die vor der Datensichtung festgelegt wurde (Ihr Medikament kann nur helfen, nicht schaden). Andernfalls verwenden Sie zweiseitig. Nachträglich auf einseitig zu wechseln, um unter 0.05 zu gelangen, ist p-Hacking und untergräbt die Schlussfolgerung.

Häufige Fallstricke

• Multiple Vergleiche. Führen Sie 20 Tests durch, erwarten Sie, dass einer zufällig p < 0.05 erreicht. Verwenden Sie Bonferroni oder Benjamini–Hochberg.
• Große N, winziger Effekt. Eine Stichprobe von Millionen wird 0.1% Unterschiede als signifikant kennzeichnen. Berichten Sie immer die Effektgrößen zusammen mit den p-Werten.
• Dichotomisierung. “Signifikant vs nicht” verliert Informationen. p = 0.048 und p = 0.052 sind effektiv die gleiche Stärke der Evidenz.
• Missinterpretation von Chi-Quadrat. p ist eine Funktion sowohl der Statistik als auch der Freiheitsgrade; ein Chi-Quadrat von 10 ist signifikant bei df=2 (p=0.0067), aber nicht bei df=20 (p=0.97).