Mit Google fortfahren
Signifikanzniveau: α und p-Wert verstehen
Das Signifikanzniveau $\alpha$ ist eine vor dem Hypothesentest festgelegte Grenze. Sie beschränkt das Risiko, eine wahre Nullhypothese fälschlich abzulehnen. Nach dem Test vergleichst du den $p$-Wert mit $\alpha$: Gilt $p<\alpha$, ist das Ergebnis statistisch signifikant.
Auf dieser Seite lernst du, diese Entscheidung zu treffen und vorsichtig zu interpretieren.
Hake ab, was du schon kannst — und komm am Ende hierher zurück!
Was begrenzt das Signifikanzniveau?
Bei einem Hypothesentest formulierst du zunächst eine Nullhypothese $H_0$. Sie beschreibt meist, dass kein Unterschied, kein Effekt oder keine Veränderung vorliegt. Die Gegenhypothese $H_1$ beschreibt die untersuchte Abweichung.
Noch bevor du die Daten auswertest, legst du das Signifikanzniveau $\alpha$ fest. Häufig wird $\alpha=0{,}05$ gewählt. Das entspricht 5 %.
Signifikanzniveau
Das Signifikanzniveau $\alpha$ ist die vorab festgelegte Obergrenze für die Wahrscheinlichkeit, eine wahre Nullhypothese fälschlich abzulehnen. Dieser Irrtum heißt Fehler 1. Art oder Alpha-Fehler.
Für $\alpha=0{,}05$ bedeutet das langfristig: Werden viele gleichartige Tests durchgeführt, bei denen $H_0$ tatsächlich gilt, soll der Anteil falscher Ablehnungen höchstens ungefähr 5 % betragen.
Die passende Wahrscheinlichkeitsaussage lautet:
$$P(H_0\text{ ablehnen}\mid H_0\text{ wahr})\leq 0{,}05$$
Entsprechend wird eine wahre Nullhypothese mit einer Wahrscheinlichkeit von mindestens $1-\alpha=0{,}95$ nicht abgelehnt.
$\alpha=0{,}05$ bedeutet nicht, dass ein einzelnes signifikantes Ergebnis mit 95 % Wahrscheinlichkeit richtig ist. Das Niveau beschreibt das langfristig kontrollierte Fehlerrisiko des Testverfahrens unter einer wahren Nullhypothese.
Wie entscheidest du mit dem p-Wert?
Der $p$-Wert wird aus den Daten und dem gewählten Test bestimmt. Er gibt unter der Annahme von $H_0$ an, wie wahrscheinlich das beobachtete oder ein noch extremeres Ergebnis wäre.
p-Wert
Der $p$-Wert beschreibt die Vereinbarkeit der Daten mit $H_0$. Ein kleiner $p$-Wert bedeutet: Solche oder extremere Daten wären unter $H_0$ selten. Er gibt nicht an, wie wahrscheinlich $H_0$ wahr ist.
Vergleiche den $p$-Wert mit der vorher festgelegten Grenze:
- $p<\alpha$: Lehne $H_0$ ab. Das Ergebnis ist statistisch signifikant.
- $p\geq\alpha$: Lehne $H_0$ nicht ab. Das Ergebnis ist nicht statistisch signifikant.
Ein Test wird mit $\alpha=0{,}05$ durchgeführt und liefert $p=0{,}03$.
- Vergleiche die Werte: $0{,}03<0{,}05$.
- Der $p$-Wert liegt unter der festgelegten Grenze.
- Deshalb wird $H_0$ abgelehnt.
- Das Ergebnis ist auf dem 5-%-Niveau statistisch signifikant.
Die Entscheidung beweist jedoch weder $H_1$ noch einen großen oder wichtigen Effekt.
Warum ist ein kleineres α nicht immer besser?
Ein kleineres $\alpha$ macht die Ablehnung von $H_0$ schwieriger. Du verlangst stärkere Evidenz und verringerst damit das zugelassene Risiko eines Fehlers 1. Art.
Das hat einen Zielkonflikt zur Folge: Bleiben Stichprobengröße, tatsächlicher Effekt und übrige Bedingungen gleich, kann ein kleineres $\alpha$ die Wahrscheinlichkeit erhöhen, eine falsche Nullhypothese nicht abzulehnen.
Fehler 2. Art
Ein Fehler 2. Art liegt vor, wenn $H_0$ nicht abgelehnt wird, obwohl sie falsch ist. Seine Wahrscheinlichkeit wird mit $\beta$ bezeichnet.
Ein kleineres Signifikanzniveau kann deshalb eine größere Stichprobe oder einen größeren beobachteten Unterschied erfordern. Die Wahl hängt davon ab, welche Folgen die beiden Fehler hätten. Bei schwerwiegenden Folgen einer falschen positiven Entscheidung kann etwa ein strengeres Niveau von 1 % angemessen sein.
Das Signifikanzniveau wird vor der Auswertung festgelegt. Würdest du es erst nach Sichtung des $p$-Werts ändern, könntest du dieselben Daten nach Wunsch als signifikant oder nicht signifikant einstufen.
Was bedeutet signifikant gerade nicht?
Das Wort „signifikant“ klingt im Alltag nach „wichtig“ oder „deutlich“. In der Statistik bezeichnet es zunächst nur eine Entscheidung nach der vorher festgelegten Testregel.
Ein signifikantes Ergebnis zeigt nicht automatisch:
- dass $H_0$ mit hoher Wahrscheinlichkeit falsch ist;
- dass $H_1$ bewiesen ist;
- dass der Effekt groß oder praktisch wichtig ist;
- dass ein beobachteter Zusammenhang ursächlich ist;
- dass das Ergebnis auf andere Situationen übertragbar ist.
Ein nicht signifikantes Ergebnis beweist umgekehrt nicht, dass $H_0$ wahr ist. Vielleicht ist der Effekt klein, die Stichprobe zu klein oder die Streuung zu groß, um ihn mit dem Test zuverlässig zu erkennen.
Eine sehr große Stichprobe kann einen winzigen Unterschied als statistisch signifikant erkennen. Für eine sachliche Bewertung musst du zusätzlich fragen: Wie groß ist der Unterschied? Welche Folgen hat er? Wie zuverlässig sind Stichprobe, Modell und Studiendesign?
So begründest du eine Testentscheidung vollständig
Eine gute Auswertung nennt nicht nur „signifikant“ oder „nicht signifikant“. Sie verbindet Voraussetzung, Vergleich, Entscheidung und Einschränkung.
Eine Werbeaussage wird mit einem Hypothesentest geprüft.
- $H_0$: Die behauptete Verbesserung liegt nicht vor.
- Vorab gewähltes Niveau: $\alpha=0{,}05$.
- Testergebnis: $p=0{,}02$.
Da $0{,}02<0{,}05$ gilt, wird $H_0$ abgelehnt. Das Ergebnis ist statistisch signifikant. Die Daten liefern damit Evidenz gegen $H_0$. Sie beweisen aber weder die Werbeaussage noch deren praktische Bedeutung. Dafür müssten unter anderem Effektgröße und Untersuchungsaufbau beurteilt werden.
Nutze beim Formulieren diese vier Schritte:
- Nenne das vorab gewählte Signifikanzniveau.
- Vergleiche $p$ und $\alpha$.
- Formuliere „$H_0$ ablehnen“ oder „$H_0$ nicht ablehnen“.
- Begrenze die Aussage: kein Beweis für Wahrheit, Größe oder Kausalität.
Karteikasten
Überlege zuerst selbst und drehe die Karte anschließend zum Prüfen um.
Alles auf einen Blick
- Signifikanzniveau
- wird vor dem Test festgelegt
- begrenzt Fehler 1. Art
- wird mit dem p-Wert verglichen
- kleineres Alpha verlangt stärkere Evidenz
- beweist weder Effektgröße noch Kausalität
- Testentscheidung
- p kleiner als Alpha: H0 ablehnen
- p mindestens Alpha: H0 nicht ablehnen
- Unsicherheit
- Fehler 1. Art bleibt möglich
- Fehler 2. Art bleibt möglich
- Studiendesign und praktische Bedeutung zusätzlich prüfen
Abschluss-Check
Prüfe zum Schluss deine Sprache: Nenne die Vergleichsregel, formuliere die Entscheidung über $H_0$ und sage ausdrücklich, was daraus nicht bewiesen ist.