Kommentare zu: Signifikanztest und Fehler 1. und 2. Art

Von: Daniela Keller

Daniela Keller — Sun, 27 Mar 2016 20:31:29 +0000

Als Antwort auf Bini.

Hallo Bini,
der p-Wert wird dann halbiert. Allerdings bin ich mit einseitigem Testen vorsichtig. Meiner Ansicht nach dürfte nur einseitig getestet werden, wenn der Unterschied in die andere Richtung völlig unmöglich ist.
Weitere Fragen könnt Ihr gern in meiner Facebook-Gruppe Statistikfragen https://www.facebook.com/groups/785900308158525/ diskutieren.

Schöne Grüße
Daniela

Von: Daniela Keller

Daniela Keller — Tue, 22 Mar 2016 21:00:25 +0000

Als Antwort auf Patrick Schneider.

Hallo Patrick,
das hängt auch davon ab, welches Ziel Du mit der Poweranalyse verfolgst. Wozu rechnest Du sie?
Schöne Grüße
Daniela

Von: Patrick Schneider

Patrick Schneider — Sun, 13 Mar 2016 12:45:35 +0000

Liebe Daniela,

ich habe zwei Varianzanalysen gerechnet und folgende Werte bekommen:
A: F(1, 184) = 10.79, p = .001, partielles η2 = .23
B :F(2, 184) = 1.19, p = .308, partielles η2 = .013.
C: F(2, 184) 0.56, p = .570, partielles η2 = .006.

Nun ist A hochsignifikant und weißt eine hohe Effektstärke auf. B ist nicht signifikant hat auch kaum Effektstärke. C ist schon vom Prinzip her nicht signifikant, da F < 1 ist.

Für A habe ich mit G'Power eine Teststärke von 100% (geht das überhaupt oder ist das gerundet?) bekommen. Für B beträgt die Teststärke knapp 81% und C rund 46 %.

Wie kann ich diese Ergebnisse berichten? Reicht es zu sagen, dass A eine hohe Teststärke mit einer Wahrscheinlichkeit von beta < .001 (1-beta = 99.9%) kein beta-Fehler vorliegt? Und bei B bin ich mir jetzt nicht sicher. Ich lehne H0 ab, da das Ergebnis der ANOVA nicht signifikant ist. Sollte ich bei diesem kleinen Effekt überhaupt die Teststärke berichten und was wäre die Schlussfolgerung.

Danke für Ihre tolle Seite

Patrick Schneider

Von: Bini

Bini — Tue, 01 Mar 2016 14:55:42 +0000

Hallo Daniela,

ich würde mich sehr freuen, wenn Sie mir weiterhelfen können:
wenn ich eine gerichtete Hypothese habe, dann muss ich doch einen einseitigen T-Test machen, oder? Aber SPSS testet nur zweiseitig. Wie gehe ich am besten vor: den p-Wert halbieren oder Signifikanzniveau von 95% auf 99% ?
Herzlichen Dank im Voraus
Bini

Von: Daniela Keller

Daniela Keller — Mon, 04 Jan 2016 10:19:37 +0000

Als Antwort auf Florian.

Hallo Florian,
interessiert dich die Power insgesamt oder für jeden einzelnen Test? Ist letzteres der Fall, dann verwendest du sie wie beschrieben. Wozu benötigst du die Power genau? Hast du nicht signifikante Ergebnisse?
Schöne Grüße
Daniela

Von: Florian

Florian — Sun, 03 Jan 2016 18:22:27 +0000

Hallo Daniela,
ich habe folgende Frage: Ich korrigiere die Alpha-Fehlerwahrscheinlichkeit bei drei Einzelvergleiche (t-Test für abhängige Stichprobe) von 0.005 / 3, sodass die korrigierte Überschreitungswahrscheinlichhkeit p < 0.0167 entspricht. Muss ich nun die Beta-Fehlerwahrscheinlichkeit auch nochmal nachkorrigieren, wenn die Alternativhypothese meine Wunschhypothese ist? Grundsätzlich gehe ich von Alpha-Fehler = 0.05; Beta-Fehler = 0.20 aus. Um die Teststärke post hoc in G*Power zu bestimmen, würde ich das Alpha auf 0.0167 setzen und prüfen ob die Power größer/gleich 0.80 ist.

Schon mal herzlichen Dank im Voraus! Grüße, Florian

Von: Daniela Keller

Daniela Keller — Mon, 21 Dec 2015 12:22:17 +0000

Als Antwort auf Sabrina.

Hallo Sabrina,

mit 0,05 ist die Power sehr klein (gut wäre 0,8). Die Power ist also zu klein, um den Effekt als signifikant nachzuweisen.

Schöne Grüße
Daniela

Von: Sabrina

Sabrina — Sat, 12 Dec 2015 15:08:38 +0000

Hallo Frau Keller,
beim Chi-Quadrat-Test (zweiseitig) konnte H0 nicht verworfen werden.
Mit g*power habe ich nunh folgende Auswertung vorgenommen:
chi-quadrat
goodnes of fit
post hoc
w=0,0081 (Wurzel aus Wert chi-quadrat / N)
alpha=0.05

Ergebnise:
critical-chi-quadrat=3,841
Power=0,05

wie kann ich diese Ergebnisse nun interpretieren?

Vielen Dank für eine kurze Antwort und schöne Grüße
Sabrina

Von: Daniela Keller

Daniela Keller — Thu, 10 Dec 2015 13:06:41 +0000

Als Antwort auf Marlene.

Hallo Marlene,
die Poweranalyse dient dazu, nach einem Test herauszufinden, wie groß die Teststärke im Test war. Die Fallzahlplanung dient dazu, vor einer Analyse herauszufinden, wie groß die Stichprobe sein muss, um einen bestimmten Effekt mit festgesetzten Werten von Alpha und Power als signifikant nachzuweisen.
Bei kleinerem Alpha und größerer Power wird jeweils eine größere Stichprobe gebraucht.
Cohens d kann auch Werte über 1 annehmen. Es gibt aber auch Effektstärkemaße, die nicht größer als 1 werden können (z.B. Korrelationskoeffizienten).
Schöne Grüße
Daniela

Von: Marlene

Marlene — Tue, 08 Dec 2015 15:35:52 +0000

ja gut dann teste ich eben 254 Personen und hab dann dafür einen sehr kleinen Alpha und beta fehler. Es tut mir leid Ich glaube ich habe da irgendwo einen Denkfehler bis jetzt verstehe ich den Sinn der Poweranalyse nicht so wirklich. Ich weiß zwar dass bei großen Stichproben für die Praxis irrelevante Unterschiede oder Zusammenhänge signifikant werden und bei kleinen Stichproben bereits für die Praxis relevante Unterschiede oder Zusammenhänge schwieriger signifikant werden. und um dem aus den Weg zugehen kommt die Poweranalyse ins Spiel oder?? Könnten Sie mir Bitte dies irgendwie erklären (und welche Rolle dann auch Alpha und Beta Spielt) Achso ich dachte weil ja cohens d 0.2 kleine Effektstärke 0.5 mittlere 0.8 große Effektstärke bedeutet kann die Effektstärke nur zwischen 0 und 1 liegen. Danke für Ihre Antwort Liebe Grüße..