Statistische Teststärke [Statistical power]
Definition: Die Teststärke (power), manchmal auch als statistische Aussagekraft bezeichnet, ist die langfristige Wahrscheinlichkeit, dass die Alternativhypothese zutrifft und ein statistischer Test korrekterweise die Nullhypothese verwirft. Die Teststärke geht von 0 bis 1, wird häufig aber als Prozentzahl ausgedrückt. Berechnet wird sie aus dem gewählten Signifikanzniveau, der Effektstärke und der Stichprobengröße in Abhängigkeit der jeweiligen Analysemethode. Es gibt zwei Hauptanwendungsgebiete: Bei der a-priori Teststärke geht es um die Frage, wie groß die Stichprobe sein muss, damit ein Effekt mit X-prozentiger langfristiger Wahrscheinlichkeit auch tatsächlich entdeckt wird. Die Sensitivitäts-Teststärke dreht sich um die Frage, welche Effektgröße man finden kann, wenn eine bestimmte Stichprobengröße gegeben ist.
Verwandte Begriffe: Effect Size, Meta-analysis, Null Hypothesis Significance Testing (NHST), Power Analysis, Positive Predictive Value, Quantitative research, Sample size, Significance criterion (alpha), Type I error, Type II error **Related terms to alternative definition:** Type II Error
Referenzen:
- Carter, A., Tilling, K., & Munafo, M. R. (2021). Considerations of sample size and power calculations given a range of analytical scenarios. https://doi.org/10.31234/osf.io/tcqrn
- Cohen, J. (1962). The statistical power of abnormal-social psychological research: A review. The Journal of Abnormal and Social Psychology, 65(3), 145–153. https://doi.org/10.1037/h0045186
- Cohen, J. (1969). Statistical power analysis for the behavioral sciences. Academic Press.
- Dienes, Z. (2008). Understanding psychology as a science: An introduction to scientific and statistical inference. Macmillan International Higher Education.
- Giner-Sorolla, R., Aberson, C. L., Bostyn, D. H., Carpenter, T., Conrique, B. G., Lewis, N. A., & Soderberg, C. (2019). Power to detect what? Considerations for planning and evaluating sample size. Retrieved from https://osf.io/jnmya/
- Ioannidis, J. P. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124. https://doi.org/10.1371/journal.pmed.0020124
- Lakens, D. (2021). Sample Size Justification. https://doi.org/10.31234/osf.io/9d3yf
Ursprünglich verfasst von: Thomas Rhys Evans
Überprüft von: James E. Bartlett, Jamie P. Cockcroft, Adrien Fillon, Emma Henderson, Tamara Kalandadze, William Ngiam, Catia M. Oliveira, Charlotte R. Pennington, Graham Reid, Martin Vasilev, Qinyu Xiao, Flávio Azevedo
Übersetzt von: Bettina M. J. Kern
Übersetzung überprüft von: Helena Hartmann, Susanne Vogel, Joris Frese