Trennschärfe, statistische (engl. Power), (Syn. Teststärke)
Die Fähigkeit eines Studiendesigns, Beziehungen zwischen den Merkmalen in der Studie zu entdecken; die Wahrscheinlichkeit, eine falsche Nullhypothese korrekt abzulehnen. Eine statistische Trennschärfe von 0,8 bedeutet, dass mit einer 80-prozentigen Wahrscheinlichkeit ein tatsächlich vorhandener Unterschied nachgewiesen werden kann. Berechnung: Power = 1 - beta, wobei beta die Wahrscheinlichkeit angibt, mit der die Alternativhypothese fälschlich abgelehnt wird. Mit wachsendem Stichprobenumfang vergrößert sich die statistische Trennschärfe, sodass man in einer guten Studie im Voraus mit einer Power Calculation berechnet, wie viele Teilnehmer benötigt werden, um einen Effekt gewünschter Stärke überhaupt nachweisen zu können. Um auch kleine Effekte zu entdecken, werden mehr Teilnehmer benötigt, als wenn man nur große Effekte finden möchte.
Triangulation
Methode der Validierung von Forschungsergebnissen, bei der die Daten mit verschiedenen Verfahren gewonnen werden, zum Beispiel durch eine Kombination aus qualitativen und quantitativen Ansätzen oder durch eine Kombination von Interviews mit Beobachtungen. („Tri" hat in diesem Zusammenhang, auch wenn man das annehmen könnte, nichts mit „drei" zu tun.)
Typ-I-Fehler (engl. Type I Error), (Synonym: Fehler 1. Art)
Die Widerlegung der Nullhypothese, obwohl diese in Wirklichkeit richtig ist, bzw. die Entscheidung, dass eine Beziehung zwischen zwei Variablen besteht, obwohl dies der Fall ist. Die Wahrscheinlichkeit, einen Typ-I-Fehler zu begehen wird als alpha oder p-Wert bezeichnet. Z.B. wird in einer Studie die Überlegenheit einer Intervention gegenüber einer anderen Intervention gefunden, obwohl in Wirklichkeit beide Interventionen gleich gut wirken.
Typ-II-Fehler (engl. Type II Error), (Synonym: Fehler 2. Art)
Die Annahme der Nullhypothese, obwohl diese in Wirklichkeit falsch ist, bzw. die Entscheidung, dass keine Beziehung zwischen zwei Variablen besteht, obwohl dies der Fall ist. Die Wahrscheinlichkeit einen Typ-II-Fehler zu begehen, wird als beta bezeichnet. Z.B wird in einer Studie festgestellt, dass zwei Interventionen gleich gut wirken, obwohl eine Intervention in Wirklichkeit besser wirkt.
Unsere Website verwendet Cookies, damit wir die Page fortlaufend verbessern und Ihnen ein optimiertes Besucher-Erlebnis ermöglichen können. Wenn Sie auf dieser Webseite weiterlesen, erklären Sie sich mit der Verwendung von Cookies einverstanden.
Weitere Informationen zu Cookies finden Sie in unserer Datenschutzerklärung.
Wenn Sie das Setzen von Cookies z.B. durch Google Analytics unterbinden möchten, können Sie dies mithilfe dieses Browser Add-Ons einrichten.