Signifikanz

Ähnlich wie der Begriff Repräsentativität ist auch der Begriff Signifikanz nur sinnvoll anwendbar, wenn ein statistisches Ergebnis aus einer Stichprobe auf eine Grundgesamtheit verallgemeinert werden soll. Statistische Signifikanz liegt dann vor, wenn die Irrtumswahrscheinlichkeit nicht über einem festgelegten Niveau liegt. Findet man z. B. einen positiven Zusammenhang (Korrelation) zwischen Alter und Einkommen (je älter ein Erwerbstätiger, desto höher sein Einkommen) und ist dieser Zusammenhang bei einer Irrtumswahrscheinlichkeit von 5% signifikant, so besteht noch eine Restchance von 5%, dass der Zusammenhang nur zufällig zustande kam und nicht auf die Grundgesamtheit verallgemeinerbar ist. In diesem Fall begeht man einen Fehler 1. Art.

Eine seriöse Studie muss das Signifikanzniveau mit angeben. Üblich sind 5%, allerdings kann je nach Stichprobengröße und Kontext auch ein anderes Signifikanzniveau, z. B. 1% oder 10%, sinnvoll sein.

Nur Hypothesen (z. B. Zusammenhänge oder Unterschiede) können auf Signifikanz geprüft werden, nicht aber Einzelmerkmale wie z. B. die Frage „Wie hoch ist Ihr Einkommen?“.

Ob es sinnvoll ist, zwischen signifikanten, sehr signifikanten und hoch signifikanten Ergebnissen zu unterscheiden, ist umstritten. Manchmal wird bei einer Irrtumswahrscheinlichkeit (p-Wert) <1% von sehr signifikant, bei einem Wert <0,1% von hoch signifikant gesprochen. In der klassischen Testtheorie wird eine solche nachträgliche Unterscheidung abgelehnt.

Welche Aussagekraft hat ein signifikantes Ergebnis? Dabei sind zwei Einschränkungen zu beachten.

• Signifikanz hängt mit der Fallzahl zusammen. Bei hohen Fallzahlen können auch kleine Unterschiede (bzw. schwache Zusammenhänge) signifikant werden – auch wenn diese Unterschiede inhaltlich kaum relevant sind. Andererseits müssen Unterschiede bei kleinen Stichproben recht deutlich ausfallen, um signifikant zu werden. Die Effektstärke bzw. Effektgröße kann ein sinnvolles Hilfsmittel sein, um die Relevanz eines Ergebnisses zu beurteilen.
• Signifikanz bedeutet nicht Kausalität. So ist z. B. ein höheres Alter nicht unbedingt die Ursache für ein höheres Einkommen. Siehe Artikel zu Scheinkorrelationen.

In SPSS wird die Signifikanz meist mit Sig. bezeichnet. Alternativ findet man auch die Bezeichnung P-Wert oder engl. p-value.

Interpretationshilfen (Hinweis: bezahlte Links):

SPSS 20: Einführung in die moderne Datenanalyse (Pearson Studium – Scientific Tools)
SPSS für Dummies