Bei der Durchführung eines Signifikanztests oder HypothesentestEs gibt zwei Zahlen, die leicht zu verwechseln sind. Diese Zahlen sind leicht zu verwechseln, da sie beide Zahlen zwischen Null und Eins sind und beide Wahrscheinlichkeiten sind. Eine Zahl wird als p-Wert der Teststatistik bezeichnet. Die andere interessierende Zahl ist das Signifikanzniveau oder Alpha. Wir werden diese beiden Wahrscheinlichkeiten untersuchen und den Unterschied zwischen ihnen bestimmen.
Alpha-Werte
Die Zahl Alpha ist der Schwellenwert, den wir messen p-Werte gegen. Es zeigt uns, wie extrem beobachtete Ergebnisse sein müssen, um die Nullhypothese eines Signifikanztests abzulehnen.
Der Wert von Alpha hängt mit dem Konfidenzniveau unseres Tests zusammen. Im Folgenden werden einige Vertrauensstufen mit den zugehörigen Alpha-Werten aufgeführt:
- Für Ergebnisse mit einem Konfidenzniveau von 90 Prozent beträgt der Alpha-Wert 1 - 0,90 = 0,10.
- Für Ergebnisse mit 95 Prozent Vertrauensniveaubeträgt der Wert von alpha 1 - 0,95 = 0,05.
- Für Ergebnisse mit einem Konfidenzniveau von 99 Prozent beträgt der Alpha-Wert 1 - 0,99 = 0,01.
- Im Allgemeinen beträgt der Wert von Alpha für Ergebnisse mit einem Vertrauensniveau von C Prozent 1 - C / 100.
Obwohl in Theorie und Praxis viele Zahlen für Alpha verwendet werden können, wird am häufigsten 0,05 verwendet. Der Grund dafür ist beides, weil der Konsens zeigt, dass dieses Niveau in vielen Fällen angemessen ist und historisch gesehen als Standard akzeptiert wurde. Es gibt jedoch viele Situationen, in denen ein kleinerer Alpha-Wert verwendet werden sollte. Es gibt keinen einzigen Wert von Alpha das bestimmt immer die statistische Signifikanz.
Der Alpha-Wert gibt uns die Wahrscheinlichkeit von a Typ I Fehler. Fehler vom Typ I treten auf, wenn wir eine Nullhypothese ablehnen, die tatsächlich wahr ist. So ist auf lange Sicht für einen Test mit a Signifikanzniveau von 0,05 = 1/20 wird eine echte Nullhypothese von 20 Mal verworfen.
P-Werte
Die andere Zahl, die Teil eines Signifikanztests ist, ist ein p-Wert. Ein p-Wert ist ebenfalls eine Wahrscheinlichkeit, stammt jedoch aus einer anderen Quelle als Alpha. Jede Teststatistik hat eine entsprechende Wahrscheinlichkeit oder einen entsprechenden p-Wert. Dieser Wert ist die Wahrscheinlichkeit, dass die beobachtete Statistik nur zufällig aufgetreten ist, vorausgesetzt, die Nullhypothese ist wahr.
Da es verschiedene Teststatistiken gibt, gibt es verschiedene Möglichkeiten, einen p-Wert zu finden. In einigen Fällen müssen wir das wissen Wahrscheinlichkeitsverteilung der Bevölkerung.
Der p-Wert der Teststatistik ist eine Möglichkeit zu sagen, wie extrem diese Statistik für unsere Beispieldaten ist. Je kleiner der p-Wert ist, desto unwahrscheinlicher ist die beobachtete Probe.
Unterschied zwischen P-Wert und Alpha
Um festzustellen, ob ein beobachtetes Ergebnis statistisch signifikant ist, vergleichen wir die Werte von Alpha und den p-Wert. Es ergeben sich zwei Möglichkeiten:
- Der p-Wert ist kleiner oder gleich Alpha. In diesem Fall lehnen wir die Nullhypothese ab. In diesem Fall sagen wir, dass das Ergebnis statistisch signifikant ist. Mit anderen Worten, wir sind ziemlich sicher, dass es neben dem Zufall noch etwas gibt, das uns eine beobachtete Stichprobe gegeben hat.
- Der p-Wert ist größer als Alpha. In diesem Fall lehnen wir das nicht ab Nullhypothese. In diesem Fall sagen wir, dass das Ergebnis statistisch nicht signifikant ist. Mit anderen Worten, wir sind ziemlich sicher, dass unsere beobachteten Daten allein durch Zufall erklärt werden können.
Dies impliziert, dass es umso schwieriger ist zu behaupten, dass ein Ergebnis statistisch signifikant ist, je kleiner der Wert von Alpha ist. Andererseits ist es umso einfacher zu behaupten, dass ein Ergebnis statistisch signifikant ist, je größer der Wert von Alpha ist. Damit verbunden ist jedoch die höhere Wahrscheinlichkeit, dass das, was wir beobachtet haben, dem Zufall zugeschrieben werden kann.