KI-Differenz-Anteile-Rechner

Was ist ein Konfidenzintervall für die Differenz von Anteilen?

Beim Vergleich von Erfolgsraten zwischen zwei Gruppen - Medikament vs. Placebo-Reaktion, Website A vs. B Konversion, Behandlung vs. Kontrollgruppe Heilungsrate - möchte man wissen: Wie unterschiedlich sind die Anteile?

Ein Konfidenzintervall für (p₁ - p₂) liefert einen Bereich:

"Die neue Behandlung hatte eine 12 % höhere Erfolgsrate (95 % KI: 7 % bis 17 %)"

Dies erfasst sowohl die geschätzte Differenz als auch ihre Präzision.

Die Formel

Standard (Wald) Intervall:

KI = (p̂₁ - p̂₂) ± z* × √[p̂₁(1-p̂₁)/n₁ + p̂₂(1-p̂₂)/n₂]

Wobei:

• p̂₁, p̂₂ = Stichprobenanteile
• n₁, n₂ = Stichprobengrößen
• z* = kritischer z-Wert (1,96 für 95 %)

Verbesserte Methoden:

Das Agresti-Caffo-Intervall fügt vor der Berechnung 1 Erfolg und 1 Misserfolg zu jeder Gruppe hinzu:

p̃₁ = (x₁ + 1) / (n₁ + 2) p̃₂ = (x₂ + 1) / (n₂ + 2)

Dies bietet eine bessere Überdeckung, insbesondere bei kleinen Stichproben oder extremen Anteilen.

Interpretation

Null im Intervall

KI: (-3 % bis +5 %)

• Null ist enthalten
• Man kann nicht schließen, dass sich die Anteile unterscheiden
• Die Differenz ist nicht statistisch signifikant

Null nicht im Intervall

KI: (3 % bis 9 %)

• Null ist ausgeschlossen
• Die Anteile unterscheiden sich tatsächlich
• Die Differenz ist statistisch signifikant

Anwendungen

Klinische Studien

"Behandlungsgruppe: 78 % verbessert vs. Kontrollgruppe: 62 % verbessert" "Differenz: 16 Prozentpunkte (95 % KI: 10 % bis 22 %)"

Ärzte können sowohl die Größenordnung als auch die Präzision des Behandlungseffekts sehen.

A/B-Tests

"Version A: 4,2 % Konversion vs. Version B: 5,1 % Konversion" "Differenz: 0,9 Prozentpunkte (95 % KI: 0,2 % bis 1,6 %)"

Das Intervall schließt Null aus, was darauf hindeutet, dass Version B tatsächlich besser abschneidet.

Öffentliche Gesundheit

"Impfrate in Region A: 72 % vs. Region B: 65 %" "Differenz: 7 Prozentpunkte (95 % KI: 3 % bis 11 %)"

Politische Entscheidungsträger können beurteilen, ob regionale Unterschiede real sind.

Umfragevergleiche

"Zustimmung 2023: 54 % vs. 2024: 48 %" "Differenz: 6 Prozentpunkte (95 % KI: 2 % bis 10 %)"

Meinungsforscher können eine echte Veränderung behaupten, wenn Null außerhalb des Intervalls liegt.

Warum nicht einfach subtrahieren?

Die einfache Angabe von 78 % - 62 % = 16 % verfehlt die Unsicherheit. Bei kleinen Stichproben könnte diese 16 %-Differenz mit wahren Differenzen von 5 % bis 27 % konsistent sein - oder sogar Null einschließen.

Das Konfidenzintervall zeigt, ob die beobachtete Differenz wahrscheinlich real ist oder nur Stichprobenrauschen.

Historischer Kontext

Der Vergleich von Anteilen hat seine Wurzeln in der frühen Wahrscheinlichkeitstheorie. Abraham de Moivre und Pierre-Simon Laplace entwickelten die Grundlagen im 18. Jahrhundert.

Der moderne Rahmen entstand mit Karl Pearsons Chi-Quadrat-Test (1900) und wurde im gesamten 20. Jahrhundert verfeinert.

Agresti und Caffo (2000) zeigten, dass einfache Anpassungen - das Hinzufügen von Pseudo-Beobachtungen - die Intervallüberdeckung dramatisch verbessern. Ihre Arbeit zeigte, dass das Standard-Wald-Intervall oft eine tatsächliche Überdeckung weit unter dem Nominalwert hat, besonders bei kleinen Stichproben.

Das Überdeckungsproblem

Wie das KI für einen einzelnen Anteil hat das Standardintervall für Differenzen Überdeckungsprobleme:

• Bei extremen Anteilen (nahe 0 % oder 100 %)
• Bei kleinen Stichprobengrößen
• Wenn die Anteile sehr unterschiedlich sind

Die Agresti-Caffo-Anpassung - das Hinzufügen von 1 Erfolg und 1 Misserfolg zu jeder Gruppe - bietet eine nahezu nominale Überdeckung über alle Szenarien hinweg.

Absolute vs. relative Differenz

Absolute Differenz (was dieser Rechner liefert): "Die Behandlung verbesserte die Ergebnisse um 16 Prozentpunkte"

Relative Differenz: Relatives Risiko: 78 %/62 % = 1,26 (26 % relative Verbesserung) Odds Ratio: Andere Berechnung

Beide sind gültig; sie beantworten verschiedene Fragen:

• Absolut: Wie viele mehr von 100?
• Relativ: Um wie viel höher ist die Rate?

Überlegungen zur Stichprobengröße

Die Fehlerspanne hängt ab von:

• Beiden Stichprobengrößen (größer = engeres KI)
• Beiden Anteilen (näher an 50 % = breiteres KI)
• Konfidenzniveau

Für gleiche Anteile (p₁ ≈ p₂ ≈ p):

ME ≈ z* × √[2p(1-p)/n] wenn n₁ = n₂ = n

Die Planung erfordert die Angabe erwarteter Anteile und gewünschter Präzision.

Überlappung einzelner KIs

Ein häufiger Fehler: Schließen, dass Anteile signifikant unterschiedlich sind, wenn ihre einzelnen KIs sich nicht überlappen, oder nicht unterschiedlich, wenn sie sich überlappen.

Dies ist falsch, weil:

• Nicht überlappende KIs fast immer Signifikanz bedeuten
• ABER überlappende KIs nicht immer Nicht-Signifikanz bedeuten

Verwenden Sie immer das KI für die Differenz, nicht die visuelle Inspektion einzelner KIs.

Einseitige Intervalle

Manchmal interessiert nur eine Richtung:

• "Ist die neue Behandlung mindestens genauso gut?"
• "Ist die Fehlerrate niedriger?"

Das einseitige 95 % KI verwendet z* = 1,645 statt 1,96 und gibt eine Grenze nur in eine Richtung an.

Nicht-Unterlegenheitsanalyse

In klinischen Studien könnte man testen, ob eine neue Behandlung "nicht schlechter als Δ" ist:

Wenn die untere Grenze des KI > -Δ (die Nicht-Unterlegenheitsmarge), ist die neue Behandlung nicht unterlegen.

Beispiel: KI = (-2 % bis 8 %), Nicht-Unterlegenheitsmarge = -5 % Da -2 % > -5 %, ist die Nicht-Unterlegenheit nachgewiesen.

Verwandte Berechnungen

• Konfidenzintervall für Anteil — Einzelner Anteil
• Standardfehler des Anteils — Komponente des KI
• Relatives-Risiko-Rechner — Verhältnis von Anteilen
• Odds-Ratio-Rechner — Alternative Vergleichsmaßzahl
• Kritischer-Wert-Rechner (z*) — z*-Werte

Zusammenfassung

Konfidenzintervalle für die Differenz von Anteilen quantifizieren, wie sich Erfolgsraten zwischen Gruppen unterscheiden und die Präzision dieser Schätzung. Ob beim Vergleich von Behandlungen, beim Testen von Website-Versionen oder beim Verfolgen von Umfrageänderungen im Laufe der Zeit - das Intervall zeigt sowohl die Größenordnung der Differenz als auch, ob sie statistisch bedeutsam ist. Die Agresti-Caffo-Anpassung verbessert die Überdeckung bei kleinen Stichproben. Denken Sie daran: Entscheidend ist, ob Null innerhalb des Intervalls liegt - wenn nicht, ist die Differenz statistisch signifikant auf dem entsprechenden Konfidenzniveau.