Power
Da auf dieser Seite immer wieder massiv Spam betrieben oder gegen Bestimmungen des PflegeWiki verstoßen wurden, ist diese Seite für die Bearbeitung gesperrt. Falls du diese Seite bearbeiten möchtest, wende dich an einen der Administratoren und schaue auf die Diskussionsseite |
Power (englisch Kraft, Macht) beschreibt in der Statistik die Aussagekraft eines statistischen Tests oder auch einer Studie.
Power
Die Teststärke ist die Wahrscheinlichkeit, die der "Alternativhypothese" (oft: "es gibt einen Unterschied") "H1" zugeordnet wird, d. h. die Teststärke gibt an, mit welcher Wahrscheinlichkeit ein Signifikanztest zugunsten einer spezifischen H1 entscheidet, falls diese richtig ist. (Die abzulehnende Hypothese wird H0, die Nullhypothese genannt.)
Die Teststärke hat den Wert 1-β, wobei β die Wahrscheinlichkeit bezeichnet, den Fehler 2. Art zu begehen. Diese Wahrscheinlichkeit heißt auch Fehlerwahrscheinlichkeit 2. Art.
Wahrer Sachverhalt: H0 Es gibt keinen Unterschied | Wahrer Sachverhalt: H1 Es gibt einen Unterschied | |
---|---|---|
durch einen statistischen Test fällt eine Entscheidung für: H0 | 1-α | β (Fehler 2. Art) |
durch einen statistischen Test fällt eine Entscheidung für: H1 | α (Fehler 1. Art) | 1-β "Power" |
Merkmale von Power
Power ist abhängig von der:
- Stichprobengröße: je größer n, desto größere Power
- Effektstärke: je größer der Effekt, desto kleiner β, desto mehr Power
- Streuung: je größer die Streuung, desto größer β, desto weniger Power
Poweranalyse
Die Poweranalyse gibt Aufschluss darüber, mit welcher Chance bei einer Studie ein Effekt tatsächlich nachgeweisen werden kann.
Bei Pilotstudien muss Power nicht so sehr beachtet werden (da man in diesen Fällen ja auch noch keine Hypothesen miteinander vergleicht).
Kann man bei einer Studie keinen Unterschied nachweisen, sollte man nicht schlussfolgern "Es gibt keinen Unterschied!". Wünschenswert wäre die Formulierung "Die Nullhypothese konnte in unserer Untersuchung nicht verworfen werden", mit Angabe des entsprechenden Powerwerts.
Fallzahlschätzung
Die Fallzahlschätzung sollte durchgeführt werden bevor man eine Studie beginnt. Man erhält Aufschluss darüber, wie groß man seine Stichprobe pro Gruppe wählen muss, um valide Ergebnisse zu produzieren.
"Wenn es einen Unterschied gibt, wieviele Probanden (n) werden pro Gruppe benötigt, um diesen Unterschied nachweisen zu können?"
Vorgehen:
- Klarwerden darüber, welche Effektgröße nachgewiesen werden soll
- bei metrischen Daten: Effektstärke errechnen
- Fallzahl pro Gruppe aus Tabelle (s.u.) ablesen
Fallzahlschätzung für Alpha = 0.05 | ||||||||||
Effektstärke | ||||||||||
Power | 0.10 | 0.15 | 0.20 | 0.25 | 0.30 | 0.40 | 0.50 | 0.60 | 0.70 | 0.80 |
.60 | 977 | 434 | 244 | 156 | 109 | 61 | 39 | 27 | 20 | 15 |
.70 | 1230 | 547 | 308 | 197 | 137 | 77 | 49 | 34 | 25 | 19 |
.80 | 1568 | 697 | 392 | 251 | 174 | 98 | 63 | 44 | 32 | 25 |
.90 | 2100 | 933 | 525 | 336 | 233 | 131 | 84 | 58 | 43 | 33 |
.95 | 2592 | 1152 | 648 | 415 | 288 | 162 | 104 | 72 | 53 | 41 |
.99 | 3680 | 1636 | 920 | 589 | 409 | 230 | 147 | 102 | 75 | 58 |
Fallzahlschätzung für Alpha = 0.01 | ||||||||||
Effektstärke | ||||||||||
Power | 0.10 | 0.15 | 0.20 | 0.25 | 0.30 | 0.40 | 0.50 | 0.60 | 0.70 | 0.80 |
.60 | 1602 | 712 | 400 | 256 | 178 | 100 | 64 | 44 | 33 | 25 |
.70 | 1922 | 854 | 481 | 308 | 214 | 120 | 77 | 53 | 39 | 30 |
.80 | 2339 | 1040 | 585 | 374 | 260 | 146 | 94 | 65 | 48 | 37 |
.90 | 2957 | 1324 | 745 | 477 | 331 | 186 | 119 | 83 | 61 | 47 |
.95 | 3562 | 1583 | 890 | 570 | 396 | 223 | 142 | 99 | 73 | 56 |
.99 | 4802 | 2137 | 1201 | 769 | 534 | 300 | 192 | 133 | 98 |
Bei prozentualen Anteilen ("Ja-Nein"-Fragen; Proportionen):
Fallzahlschätzung für Alpha = 0.5 | |||||||||||||||
Gruppe 2 | Gruppe 1 | ||||||||||||||
.10 | .15 | .20 | .25 | .30 | .35 | .40 | .45 | .50 | .55 | .60 | .70 | .80 | .90 | 1.0 | |
.05 | 421 | 133 | 69 | 44 | 31 | 24 | 19 | 15 | 13 | 11 | 9 | 7 | 5 | 4 | 2 |
.10 | 689 | 196 | 97 | 59 | 41 | 30 | 23 | 18 | 15 | 12 | 9 | 6 | 5 | 3 | |
.15 | 901 | 247 | 118 | 71 | 48 | 34 | 26 | 21 | 16 | 11 | 8 | 5 | 3 | ||
.20 | 1090 | 292 | 137 | 80 | 53 | 38 | 28 | 22 | 14 | 10 | 6 | 3 | |||
.25 | 1252 | 327 | 151 | 87 | 57 | 40 | 30 | 18 | 12 | 8 | 4 | ||||
.30 | 1371 | 356 | 161 | 93 | 60 | 42 | 23 | 14 | 9 | 4 | |||||
.35 | 1480 | 374 | 169 | 96 | 61 | 31 | 18 | 10 | 5 | ||||||
.40 | 1510 | 385 | 172 | 97 | 42 | 22 | 12 | 5 | |||||||
.45 | 1570 | 393 | 173 | 60 | 28 | 15 | 6 | ||||||||
.50 | 1570 | 389 | 93 | 38 | 18 | 6 | |||||||||
.55 | 1539 | 162 | 53 | 23 | 7 | ||||||||||
.60 | 356 | 80 | 30 | 8 | |||||||||||
.70 | 292 | 59 | 12 | ||||||||||||
.80 | 195 | 18 | |||||||||||||
.90 | 38 |
Siehe auch
Literatur
- Cohen, J. (1977): "Statistical power analysis for the behavioral sciences", New York: Academic Press., ISBN
Weblinks
Beurteilung: Dieser Artikel ist sehr kurz oder unvollständig, und sollte noch erweitert werden. Falls Du etwas zu diesem Thema weißt, dann sei mutig und füge Dein Wissen hinzu. |