Teststärke-Rechner

Was ist statistische Power?

Statistische Power ist die Wahrscheinlichkeit, einen Effekt zu erkennen, wenn er tatsächlich existiert. Wenn eine Intervention wirklich wirkt, wie hoch ist die Chance, dass Ihre Studie dies nachweist?

$\text{Power} = 1 - \beta$

Dabei ist $\beta$ die Wahrscheinlichkeit eines Typ-II-Fehlers (falsch negativ - ein realer Effekt wird übersehen).

Eine Studie mit 80% Power hat eine 80%ige Chance, einen wahren Effekt zu erkennen, und eine 20%ige Chance, ihn zu übersehen.

Die vier verbundenen Größen

Die Poweranalyse umfasst vier zusammenhängende Größen - geben Sie drei davon an, um die vierte zu berechnen:

1. Stichprobengröße (n): Anzahl der Probanden
2. Effektgröße (d): Ausmaß des Unterschieds
3. Signifikanzniveau (α): Falsch-Positiv-Rate
4. Power (1 - β): Erkennungswahrscheinlichkeit

Dieser Rechner ermittelt die Power bei gegebenen anderen drei Größen.

Das Formelkonzept

Für einen Zwei-Stichproben-t-Test:

$\text{Power} = P(\text{verwerfe } H_0 \mid H_1 \text{ ist wahr}) = P(|t| > t_{\text{kritisch}} \mid \text{wahrer Effekt} = \delta)$

Diese Wahrscheinlichkeit ergibt sich aus der nichtzentralen t-Verteilung, verschoben um den wahren Effekt.

Interpretation der Power

Die 80%-Konvention: Die meisten Fachgebiete betrachten 80% Power als ausreichend. Dies bedeutet, eine 20%ige Chance zu akzeptieren, einen realen Effekt zu übersehen.

Praktische Beispiele

Bewertung einer geplanten Studie

„Ich kann 50 Probanden pro Gruppe rekrutieren. Wie hoch ist meine Power, um d = 0,5 zu erkennen?"

Gegeben: n = 50, d = 0,5, α = 0,05 Power ≈ 0,70

Sie haben eine 70%ige Chance, einen mittleren Effekt zu erkennen - grenzwertig akzeptabel.

Machbarkeitsprüfung

„Kann ich einen kleinen Effekt (d = 0,2) mit den verfügbaren Ressourcen erkennen?"

Gegeben: n = 100 pro Gruppe, d = 0,2, α = 0,05 Power ≈ 0,29

Nur 29% Power - selbst ein realer Effekt wird wahrscheinlich übersehen. Für 80% Power werden n ≈ 400 pro Gruppe benötigt.

Retrospektive Bewertung

„Die Studie fand keinen signifikanten Effekt. War sie ausreichend gepowert?"

Dies hilft bei der Interpretation, aber beachten Sie: Post-hoc-Power basierend auf beobachteten Effektgrößen ist problematisch (siehe unten).

Faktoren, die die Power beeinflussen

Stichprobengröße

Die Power steigt mit n:

Eine Verdopplung von n verdoppelt nicht die Power - es gibt abnehmende Erträge.

Effektgröße

Die Power steigt mit der Effektgröße:

Große Effekte sind leicht zu erkennen; kleine Effekte sind schwer zu erkennen.

Signifikanzniveau

Ein strengeres α reduziert die Power:

Höhere Anforderungen an die Signifikanz erfordern größere Stichproben.

Variabilität

Höhere Varianz (größeres σ) reduziert die Power. Die Reduzierung des Messfehlers erhöht die Power, ohne zusätzliche Probanden hinzuzufügen.

Die Powerkurve

Eine Powerkurve stellt die Power gegen die Effektgröße bei festem n und α dar:

• Power = α wenn Effekt = 0 (Typ-I-Fehlerrate)
• Power nähert sich 1 bei steigendem Effekt
• Steilere Kurven zeigen empfindlichere Tests an

Einseitig vs. Zweiseitig

Einseitige Tests haben bei gleichem n eine höhere Power:

Einseitige Tests sollten jedoch nur mit starker vorheriger Begründung verwendet werden.

Post-hoc-Power: Eine Warnung

Die Berechnung der Power nach Sichtung der Ergebnisse unter Verwendung der beobachteten Effektgröße ist problematisch:

• Sie wird mathematisch durch den p-Wert bestimmt
• Hoher p-Wert → niedrige Post-hoc-Power (zirkuläre Logik)
• Beantwortet nicht die Frage „War die Studie ausreichend gepowert?"

Für eine retrospektive Bewertung berechnen Sie die Power für eine bedeutsame Effektgröße, nicht für die beobachtete.

Historischer Kontext

Jerzy Neyman und Egon Pearson (1930er Jahre) entwickelten die Theorie der Typ-I- und Typ-II-Fehler und etablierten Power als grundlegendes Konzept.

Jacob Cohen (1962, 1988) setzte sich für Poweranalysen ein und stellte fest, dass die meiste psychologische Forschung unterpowert war.

Trotz jahrzehntelangem Bewusstsein bleibt Power ein Problem. Übersichtsarbeiten finden durchweg:

• Mediane Power in der Psychologie: 35-50%
• Viele veröffentlichte Ergebnisse sind wahrscheinlich falsch positive aus unterpowerten Studien

Beziehung zu Konfidenzintervallen

Ein 95%-KI, das Null nicht ausschließt, impliziert ein nicht-signifikantes Ergebnis bei α = 0,05.

Breite KIs zeigen geringe Präzision an - oft aufgrund kleiner Stichproben (geringe Power zur Erkennung bedeutsamer Effekte).

Enge KIs zeigen hohe Präzision an - die Studie würde kleine Effekte erkennen.

Metaanalyse und Power

Einzelne Studien können unterpowert sein, aber die Kombination von Studien in einer Metaanalyse erhöht die effektive Stichprobengröße und Power.

Power bei Fixed-Effects-Metaanalyse:

• Annäherungsweise: √(Σnᵢ) ersetzt √n
• Mehr Studien = mehr Power

Verwandte Berechnungen

• Stichprobengröße für zwei Mittelwerte — Finden Sie n für die gewünschte Power
• Stichprobengröße für zwei Anteile — Für binäre Ergebnisse
• Rechner für minimal erkennbaren Effekt — Welchen Effekt können Sie erkennen?
• Cohen's d Rechner — Effektgröße schätzen
• t-Verteilungsrechner — p-Werte aus t-Statistiken

Zusammenfassung

Statistische Power - die Wahrscheinlichkeit, einen wahren Effekt zu erkennen - hängt von Stichprobengröße, Effektgröße und Signifikanzniveau ab. Die konventionelle 80%-Power-Schwelle akzeptiert eine 20%ige Übersehensrate für reale Effekte. Unterpowerte Studien verschwenden Ressourcen, produzieren nicht schlüssige Ergebnisse und tragen zur Publikationsverzerrung bei. Berechnen Sie immer die Power vor der Durchführung einer Studie, verwenden Sie realistische Effektgrößen und stellen Sie sicher, dass Ihr Design ausreichend Power hat, um Ihre Forschungsfrage zu beantworten.