Was ist der Unterschied zwischen Alpha- und P-Werten?

AndreaObzerova/Getty Images

Bei der Durchführung eines Signifikanztests oder Hypothesentest , gibt es zwei Zahlen, die man leicht verwechseln kann. Diese Zahlen sind leicht zu verwechseln, weil sie beide Zahlen zwischen null und eins und beides Wahrscheinlichkeiten sind. Eine Zahl wird als p-Wert der Teststatistik bezeichnet. Die andere interessante Zahl ist das Signifikanzniveau oder Alpha. Wir werden diese beiden Wahrscheinlichkeiten untersuchen und die Differenz zwischen ihnen bestimmen.

Alpha-Werte

Die Zahl Alpha ist der Schwellenwert, den wir messen p-Werte gegen. Sie sagt uns, wie extrem die beobachteten Ergebnisse sein müssen, um die Nullhypothese eines Signifikanztests abzulehnen.

Der Wert von Alpha ist mit dem Konfidenzniveau unseres Tests verbunden. Im Folgenden sind einige Konfidenzniveaus mit den zugehörigen Alpha-Werten aufgeführt:

• Für Ergebnisse mit einem Konfidenzniveau von 90 Prozent beträgt der Wert von Alpha 1 – 0,90 = 0,10.
• Für Ergebnisse mit 95 Prozent Maß an Vertrauen , ist der Wert von Alpha 1 — 0,95 = 0,05.
• Für Ergebnisse mit einem Konfidenzniveau von 99 Prozent beträgt der Wert von Alpha 1 — 0,99 = 0,01.
• Und im Allgemeinen beträgt der Wert von Alpha für Ergebnisse mit einem Konfidenzniveau von C Prozent 1 – C/100.

Obwohl in Theorie und Praxis viele Zahlen für Alpha verwendet werden können, ist die am häufigsten verwendete 0,05. Der Grund dafür liegt sowohl darin, dass Konsens zeigt, dass dieses Niveau in vielen Fällen angemessen ist, als auch historisch 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 die immer die statistische Signifikanz bestimmt.

Der Alpha-Wert gibt uns die Wahrscheinlichkeit für a an Typ-I-Fehler . Fehler 1. Art treten auf, wenn wir eine Nullhypothese ablehnen, die tatsächlich wahr ist. Also auf Dauer für einen Test mit aSignifikanzniveauvon 0,05 = 1/20, wird eine wahre Nullhypothese in einem von 20 Fällen verworfen.

P-Werte

Die andere Zahl, die Teil eines Signifikanztests ist, ist ein p-Wert. Ein p-Wert ist ebenfalls eine Wahrscheinlichkeit, stammt aber aus einer anderen Quelle als Alpha. Jede Teststatistik hat eine entsprechende Wahrscheinlichkeit oder einen p-Wert. Dieser Wert ist die Wahrscheinlichkeit, dass die beobachtete Statistik rein zufällig aufgetreten ist, unter der Annahme, dass die Nullhypothese wahr ist.

Da es eine Reihe verschiedener Teststatistiken gibt, gibt es verschiedene Möglichkeiten, einen p-Wert zu ermitteln. Für einige Fälle müssen wir die kennen Wahrscheinlichkeitsverteilung der Bevölkerung.​​

Der p-Wert der Teststatistik gibt an, wie extrem diese Statistik für unsere Beispieldaten ist. Je kleiner der p-Wert, desto unwahrscheinlicher ist die beobachtete Stichprobe.

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 verwerfen wir die Nullhypothese. Wenn dies geschieht, sagen wir, dass das Ergebnis statistisch signifikant ist. Mit anderen Worten, wir sind ziemlich sicher, dass es etwas anderes als den Zufall gibt, das uns eine beobachtete Probe gegeben hat.
• Der p-Wert ist größer als Alpha. In diesem Fall lehnen wir die 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.

Daraus folgt, dass je kleiner der Alpha-Wert ist, desto schwieriger ist es zu behaupten, dass ein Ergebnis statistisch signifikant ist. Andererseits gilt: Je größer der Alpha-Wert ist, desto leichter lässt sich behaupten, dass ein Ergebnis statistisch signifikant ist. Damit verbunden ist jedoch die höhere Wahrscheinlichkeit, dass das, was wir beobachtet haben, dem Zufall zugeschrieben werden kann.