Themenbereich 5: Signifikanz

Zur Themenübersicht

Zum Einstieg


1. Video-Tutorials

Im folgenden Video (16:14 Min.) führt Prof. Mathias Bärtl von der Hochschule für Technik, Wirtschaft und Medien in Offenburg anhand eines einfachen Beispiels in die Grundlagen und Logik des statistischen Testens ein. Dabei zeigt er mit Hilfe der Binomialverteilung auf, wie sich eine Hypothese auf statistische Signifikanz testen lässt und erläutert zudem die in diesem Kontext wichtigsten Begriffe (Hypothese, Testverteilung, Testniveau, Teststatistik).
 

Bitte bestätigen Sie die Aktivierung dieses Videos

Nach der Aktivierung werden Cookies gesetzt und Daten an YouTube (Google) übermittelt.

Zur Datenschutzerklärung von Google

 

In diesem Video (13:40 Min.) von Youtube-Nutzer "Benedict K" werden die grundlegenden Konzepte p-Wert, Nullhypothese und Signifikanzniveau anschaulich erklärt und mit Hilfe eines einfachen Beispiels erläutert, wie diese in der empirischen Forschung angewendet werden.
 
 
 

Bitte bestätigen Sie die Aktivierung dieses Videos

Nach der Aktivierung werden Cookies gesetzt und Daten an YouTube (Google) übermittelt.

Zur Datenschutzerklärung von Google

 

Im Anschluss an das Video "p-Wert, Nullhypothese, Signifikanzniveau - die Idee erklärt" (s.o.) wird im folgenden Video (13:20 Min.) von Youtube-Nutzer "Benedict K" erläutert, wie sich die Ver- bzw. Anwendung von p-Wert, Signifikanzniveau und Nullhypothese zwischen einseitiger und zweiseitiger Hypothesentestung unterscheidet. Auch hier dient ein einfaches Beispiel aus dem Schulkontext zur Veranschaulichung.
 
 

Bitte bestätigen Sie die Aktivierung dieses Videos

Nach der Aktivierung werden Cookies gesetzt und Daten an YouTube (Google) übermittelt.

Zur Datenschutzerklärung von Google


Nach oben

2. Online-Lernangebote und -ressourcen

Auf folgenden Internetseiten finden Sie einführende Online-Lernangebote zum Thema "Signifikanz" und damit verbundenen Aspekten:

  • Die englischsprachige Internetseite "Stat Trek - Teach yourself statistics" bietet u.a. auch zwei kurze Einheiten zu den Fragen "What is Hypothesis Testing?" und "How to Test Hypotheses" und ermöglicht somit gleichzeitig, sich mit den englischen Fachbegriffen rund um das Thema Signifikanz und Hypothesentestung  frühzeitig vertraut zu machen.
  • ViLeS (Virtuelle Lernräume im Studium) - Statistische Methodenlehre der Universität Oldenburg: Im Modul "Allgemeine Aspekte des Testmodells" des Kapitels 4 "Hypothesentests" werden die grundlegenden Konzepte der Hypothesentestung wie z.B. Annahme-/ Ablehnungsbereich, Signifikanzniveau, Alpha-/Beta-Fehler etc. erlärt.
  • Im E-Learning-Modul Methoden der Psychologie der Professur Methoden der Psychologie und kognitive Modellierung der TU Dresden finden Sie ein kurzes Online-Lernangebot zum Alpha-Fehler und Beta-Fehler sowie deren Zusammenhang.



 


Nach oben

3. Fachliteratur (Lehrbücher & Artikel)

Mit Hilfe der folgenden Fachliteratur kann man sich in die Grundlagen zum Thema "Signifikanz" einarbeiten:

  • Döring, N. & Bortz, J. (2016). Forschungsmethoden und Evaluation in den Human- und Sozialwissenschaften (5. Aufl.). Berlin: Springer. (Kap. 12.5.1., S. 659-671, verfügbar per Campuslizenz)
  • Sedlmeier, P. & Renkewitz, F. (2018). Forschungsmethoden und Statistik für Psychologen und Sozialwissenschaftler. (3. Aufl.). München: Pearson. (Kap. 12.1-12.3 & 12.8)
  • Wirtz, M. & Nachtigall, C. (2012). Wahrscheinlichkeitsrechnung und Inferenzstatistik. Statistische Methoden für Psychologen, Teil 2 (6. Aufl.). Weinheim: Beltz. (Kap. II. B.1)



 


Nach oben

4. Anwendung in Datenanalysesoftware

In der Schriftenreihe SPSS Special Topics des Leibniz-Rechenzentrums der Bayerischen Akademie der Wissenschaften werden die zentralen Aspekte zum Begriff "Signifikanz" erläutert und anhand verschiedener Übungen mit einem bereitgestellten SPSS-Datensatz (download) veranschaulicht.
 

Im folgenden Video (6:47 Min.) von Prof. Dr. Todd L. Grande (Wilmington University, USA) wird nach einer kurzen Wiederholgung zum Alpha-/Beta-Fehler anhand einer Varianzanalyse demonstriert, wie sich die Teststärke und die Wahrscheinlichkeit für einen Fehler 2. Art (Beta) in SPSS berechnen lassen.
 

Bitte bestätigen Sie die Aktivierung dieses Videos

Nach der Aktivierung werden Cookies gesetzt und Daten an YouTube (Google) übermittelt.

Zur Datenschutzerklärung von Google

 

Im Kapitel Power Analysis der Webseite "Quick-R: accessing the power of R" von Dr. Robert I. Kabacoff (Wesleyan University Connecticut, USA) wird eine Anleitung in die Durchführung einer Poweranalyse in R mit dem Paket "pwr" gegeben.

Im 341 Seiten umfassenden STATA Power and Sample Size Reference Manual (Release 13) sollte man alle erforderlichen Informationen zur Power- und Stichprobenumfangsberechnung mit STATA finden.


Nach oben

Zur Vertiefung


1. Video-Tutorials

In diesem kurzen Video-Auschnitt (5:05 Min.) geht Dr. Malte Persike (Psychologisches Institut der Universität Mainz) anhand eines Beispiels* nochmal explizit auf die möglichen Fehler 1. und 2. Art ein, erläutert zu beachtende "Regeln" bei der Hypothesentestung und fasst nochmal das Prozedere beim statistischen Testen zusammen.

*Im Beispiel wird der Frage nachgegangen, ob ein Kartenspiel gezinkt ist oder nicht.
 

Bitte bestätigen Sie die Aktivierung dieses Videos

Nach der Aktivierung werden Cookies gesetzt und Daten an YouTube (Google) übermittelt.

Zur Datenschutzerklärung von Google

 

Im Video "Type I and II Errors, Power, Effect Size, Significance and Power Analysis in Quantitative Research" (9:42 Min.) von Prof. Laura Killam des Cambrian College in Ontario (Canada) werden zentrale statistische Konzepte der Hypothesentestung sowie ihre Zusammenhänge anschaulich erklärt.

ACHTUNG: In Minute 9:22 wird das Signifikanzniveau versehentlich mit 0.5 angegeben. Korrekt muss dies 0.05 lauten!

Bitte bestätigen Sie die Aktivierung dieses Videos

Nach der Aktivierung werden Cookies gesetzt und Daten an YouTube (Google) übermittelt.

Zur Datenschutzerklärung von Google

 

Im Video "Power and Sample Size Primer" (12:17) der Software-Firma NCSS werden Definitionen zentraler Konzepte wie z.B. Null- und Alternativhypothese, Teststatistik, p-Werte, Alpha-/Beta-Fehler und Teststärke gegeben. Anschließend werden Faktoren diskutiert, welche die Teststärke (Power) beeinflussen. Und schließlich werden die Definitionen und diskutierten Faktoren anhand eines realen Beispiels in Beziehung zueinander gesetzt.
 

Bitte bestätigen Sie die Aktivierung dieses Videos

Nach der Aktivierung werden Cookies gesetzt und Daten an YouTube (Google) übermittelt.

Zur Datenschutzerklärung von Google


Nach oben

2. Online-Lernangebote und -ressourcen

Auf folgenden Internetseiten finden Sie vertiefende Online-Lernangebote bzw. -ressourcen, um sich mit weiterführenden Fragen zum Thema "Signifikanz" (z.B. Alpha/Beta-Fehler, Teststärke, Stichprobenumfang, etc.) zu befassen:

  • Mit dem kostenlosen Computerprogramm G*Power (Version 3.1.9.7) können sowohl Teststärken und Effektgrößen bestimmt als auch benötigte Stichprobenumfängeberechnet werden. Das relativ kleine Programm ist für Windows (20 MB) und Mac (2 MB) verfügbar. Als Hilfe werden auf der Hompage ein Manual sowie ein kurzes Tutorial (als PDF) angeboten. Eine sehr ausführliche Anleitung zur Stichprobenumfangsplanung sowie Effekt- und Teststärkenberechnung mit G*Power 3.0 liegt zudem von Buchwald & Thielgen (2008) vor.
  • Weitere Hinweise zur konkreten Anwendungvon G*Power bei bestimmten statistischen Verfahren (z.B. t-Test, Varianzanalyse, etc.) finden Sie auch unter den jeweiligen Themenbereichen in unserem Portal!

Nach oben

3. Fachliteratur (Lehrbücher & Artikel)

Die folgende Fachliteratur kann empfohlen werden, um sich mit weiterführenden Fragen zum Thema "Signifikanz" (z.B. Alpha/Beta-Fehler, Teststärke, Stichprobenumfang) zu befassen:

  • Asraf, R.M. & Brewer, J.K. (2004). Conducting Tests of Hypotheses: The Need for an Adequate Sample Size. Australian Educational Researcher, 31 (1), 79-94.
  • Döring, N. & Bortz, J. (2016). Forschungsmethoden und Evaluation in den Human- und Sozialwissenschaften (5. Aufl.). Berlin: Springer. (Kap. 12.5.1., S. 671-676, verfügbar per Campuslizenz)
  • Prajapati, B., Dunne, M. C. M., & Armstrong, R. A. (2010). Sample size estimation and statistical power analyses. Optometry Today, 2010 (July).
  • Sedlmeier, P. & Renkewitz, F. (2018). Forschungsmethoden und Statistik für Psychologen und Sozialwissenschaftler (3. Aufl.). München: Pearson. (Kap. 12.4-12.7)

Nach oben

Zur Startseite