Skip to main content
Disciplines
Automotive Business IT + Informatics Construction + Real Estate Electrical Engineering + Electronics Energy + Sustainability Insurance + Risk Finance + Banking Management + Leadership Marketing + Sales Mechanical Engineering + Materials
Events
DE
EN
Books
Journals
Topic Page
Marketing
Start single access now
Access for companies
EXTENDED SEARCH
Log in
Top
Published in:
Einführung und deskriptive Statistik Read chapter Read first chapter

2015 | OriginalPaper | Chapter

7. Fehlertypen, Effektstärken und Power

Authors : Markus Janczyk, Roland Pfister

Published in: Inferenzstatistik verstehen

Publisher: Springer Berlin Heidelberg

Log in

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Obwohl signifikante Ergebnisse oft gewünscht werden, sagt – wie in diesem Kapitel aufgezeigt wird – die bloße Signifikanz eines Tests nichts über die Stärke eines Effekts aus, und man kann sich berechtigt fragen: Bedeutet statistische Signifikanz auch immer „inhaltliche Relevanz“ bzw. „praktische Bedeutsamkeit“? In diesem Kapitel werden diejenigen Konzepte eingeführt, die zur Beantwortung dieser Frage benötigt werden, und begonnen wird dabei mit einer systematischen Betrachtung statistischer Entscheidungen. Im Anschluss wird Cohen’s d als Maß der Effektstärke für die bisher behandelten t-Tests betrachtet. Das Konzept der Effektstärke führt schließlich zur Power (Teststärke) eines Signifikanztests und der Frage nach dem optimalen Stichprobenumfang.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

inform now
previous chapter Konfidenzintervalle
next chapter Einfaktorielle Varianzanalyse
Footnotes
1
Das Originalzitat lautet: „A little thought reveals a fact widely understood among statisticians: The null hypothesis, taken literally (and that’s the only way you can take it in formal hypothesis testing), is always false in the real world. It can only be true in the bowels of a computer processor running a Monte Carlo study (and even then a stray electron can make it false). If it is false, even to a tiny degree, it must be the case that a large enough sample will produce a significant result and lead to its rejection. So if the null hypothesis is always false, what’s the big deal about rejecting it?“ (Hervorhebung im Original)
 
2
Das in Formel 7.4 beschriebene Vorgehen entspricht dem Vorschlag von Cohen (1988). Weiterhin empfiehlt Cohen, bei der Berechnung der Power (vgl. Abschn. 7.3) für abhängige Stichproben einen korrigierten Effekt \(d_{k}=d\sqrt{2}\) zu verwenden und viele Computerprogramme berücksichtigen diese Korrektur automatisch. In manchen Lehrbüchern wird weitergehend vorgeschlagen direkt d k als Effektstärke zu berichten (Bortz, 2005), während andere Autorinnen und Autoren eine Anpassung der Konventionen für die Interpretation der Effektstärke im Fall abhängiger Stichproben beschreiben (Eid et al., 2010).
 
3
Das Originalzitat lautet: „The power of a statistical test of a null hypothesis is the probability that it will lead to the rejection of the null hypothesis, i. e., the probability that it will result in the conclusion that the phenomenon exists.“ (Hervorhebung im Original)
 
4
Eine elegante Alternative zu diesem Vorgehen ist es, die Standardabweichung der Differenz direkt aus der Ausgabe von t.test zu entnehmen. Die entsprechende Syntax ist im Online-Material beschrieben. Einen direkten Zugang zu Effektstärken ermöglichen außerdem verschiedene R-Pakete wie compute.es oder MBESS.
 
Metadata
Title
Fehlertypen, Effektstärken und Power
Authors
Markus Janczyk
Roland Pfister
Copyright Year
2015
Publisher
Springer Berlin Heidelberg
Book
Inferenzstatistik verstehen

Print ISBN: 978-3-662-47105-0

Electronic ISBN: 978-3-662-47106-7

Copyright Year: 2015

DOI
https://doi.org/10.1007/978-3-662-47106-7_7

Premium Partner

    Image Credits