Genauer gesagt: Mit dem argumentativen Missbrauch von statistischen Kennziffern, wie beispielsweise dem p-Wert. Das fordere nicht ich, sondern das fordern rund 800 Mitunterzeichner eines Aufrufs im Fachjournal nature: Scientists rise up against statistical significance.

Es steht mir nicht an, diese Forderung zu unterstützen oder zu kritisieren – ich tu’ mir im Allgemeinen schon schwer genug, diese Kennziffern überhaupt zu unterscheiden und ihre (beabsichtigte) Bedeutung wenigstens ansatzweise einzuordnen. Und ich habe auch keine rechte Vorstellung, was an deren Stelle treten sollte, oder wie sie neu definiert werden müssten, um sinnvoller zu sein. Muss ich auch nicht – aber wer mehr darüber erfahren und eventuell sogar engagiert mit diskutieren will, finden mehr Hintergrund hier bei Retraction Watch: Time to say goodbye to “statistically significant” and embrace uncertainty, say statisticians. Das Fachjournal The American Statistician hat dem Problem sogar eine ganze Sonderausgabe gewidmet: Statistical Inference in the 21st Century: A World Beyond p < 0.05.

flattr this!

Kommentare (2)

  1. #1 Christian
    24. März 2019

    Danke für den Hinweis.
    Es hat mich sehr zum Nachdenken gebracht, weil ich quasi mein Brot damit verdiene, Statistik für Entscheidungsfinder aufzubereiten. Und ich mich bei manchen Phrasen ertappt fühle, diese ab und an zu verwenden.
    Ich denke, der p-Wert ist ein eher unschuldiges Opfer, ist ein Stellvertreter in diesem Kampf, der eigentlich der Beseitigung statistischen Unverständnisses auf der Anwenderseite gilt.
    Wie anders sollte das Verständnis für komplexere Ergebnisbeschreibungen und entsprechend daraus zu ziehender Entscheidungen erreicht werden, als mit verstärkter statistischer Bildung? Und hier sehe ich, gelinde gesagt, schwarz. Wissenschaftliche Publikationen können hier vorausgehen, sollten doch beide Seiten (Autoren und Leser) Statistik gleichermaßen verstehen. Aber wie soll der Transport in die Praxis erfolgen, Politiker, Juristen, Zulassungsbehörden? Das wird ein langer, steiniger Weg.
    Und am Ende dessen wird man hoffentlich wieder sagen können “statistisch signifikant” und jeder weiß, daß dies nicht heißt, daß das Ergebnis in Stein gemeißelt ist, sondern nur beschreibt, daß die Wahrscheinlichkeit der Null-Hypothese kleiner x% liegt.
    Jeder lange Weg beginnt mit einem ersten Schritt.

  2. #2 Laie
    25. März 2019

    @Christian
    Ich denke ähnlich. Sich nur auf die Aussagekraft oder Nichtaussagekraft p-Wert zu beschränken wäre zu wenig, ist aber schon gut, den zu hinterfragen. Die bei Statistiken erhobenen Daten sind ja Messwerte, die Messumgebung, Messbedingungen und andere mitbeeinflussende Parameter, so ferne sie nicht als mitbeeinflussend erkannt wurden, tragen oftmals (aber nicht immer) einen massgeblichen (ungewollten) Betrag zur fehlerhaften Interpretation bei.

    Wie oft werden mitbeeinflussende Parameter nicht erkannt?