Kostenloser Rechner für statistische Teststärke
Alternative zu G*Power
Plane, wie viele vollständige Antworten du brauchst, um einen relevanten Effekt zu erkennen. Standardwert für die Power: 80 %.
Die Teststärke hängt von dem statistischen Test ab, den du durchführen möchtest.
Nutze die standardisierte Effektstärke für die gewählte Analyse und den kleinsten praktisch relevanten Effekt.
Eine höhere Power senkt das Risiko, einen echten Effekt zu übersehen.
Alpha steuert das Risiko eines falsch positiven Ergebnisses.
Was statistische Teststärke bedeutet
Die Teststärke ist unter den Annahmen deiner Analyse die Wahrscheinlichkeit, einen Effekt der festgelegten Größe zu erkennen. Eine Power-Analyse hilft dir, eine dafür zu kleine Studie zu vermeiden.
Die Wahrscheinlichkeit, dass dein statistischer Test einen echten Effekt erkennt.
Der kleinste Effekt, den du erkennen möchtest, gestützt auf Literatur oder praktische Relevanz.
Das Risiko eines falsch positiven Ergebnisses, das du akzeptierst.
Die Zahl vollständiger Antworten, die dein geplanter Test benötigt.
- Forschende planen häufig mit 80 % Power, also einer Chance von 80 %, einen echten Effekt der erwarteten Größe zu erkennen.
- Die erwartete Effektstärke ist wichtig, weil riesige Stichproben auch winzige, praktisch unwichtige Effekte signifikant machen können.
- Eine Power-Analyse plant Inferenztests und nicht nur deskriptive Umfrageschätzungen.
So nutzt du die Power-Analyse
Wähle den Test, den du später tatsächlich auswerten möchtest.
Gib den kleinsten Effekt ein, der für deine Studie praktisch relevant wäre.
Nutze 80 % als üblichen Ausgangspunkt oder mehr, wenn das Übersehen eines Effekts teuer wäre.
Nutze die Schätzung als Ziel und plane einen Puffer für unvollständige oder unbrauchbare Antworten ein.
Plane Fehler 1. und 2. Art vor der Datenerhebung
Ein Ergebnis kann signifikant sein, obwohl kein echter Effekt besteht, oder einen echten Effekt übersehen, weil die Studie zu wenig Power hat.
Der Test liefert ein signifikantes Ergebnis, obwohl in Wirklichkeit kein Effekt besteht. Alpha steuert dieses Risiko.
Der Test liefert kein signifikantes Ergebnis, obwohl ein Effekt der geplanten Größe besteht. Geringe Power macht dies wahrscheinlicher.
Eine zu kleine Stichprobe kann einen relevanten echten Effekt übersehen.
Ein winziger Effekt kann signifikant werden, obwohl er praktisch bedeutungslos ist.
Power ist die Chance, ihn zu erkennen. Bei 80 % Power beträgt das Risiko des Übersehens etwa 20 %.
Alpha ist das Risiko, dass dein Test das Ergebnis trotzdem fälschlich signifikant nennt.
Lege sie vor dem Start fest, damit statistische Signifikanz praktische Relevanz nicht ersetzt.
Weitere passende Tools
Alle Forschungs-Tools →Verstehe 80 % Power, die vier Stellschrauben und ein vollständiges Beispiel.
Leitfaden lesen →Plane die Präzision und Fehlertoleranz einer deskriptiven Umfrage.
Tool öffnen →Erkenne hastige oder unaufmerksame Antworten.
Tool öffnen →Erreiche die Stichprobe, die deine Power-Analyse verlangt.
Optionen ansehen →Häufig gestellte Fragen
Das Wichtigste zur Planung statistischer Teststärke in der Umfrageforschung.
Was ist statistische Teststärke?
Sie ist die Wahrscheinlichkeit, dass dein Test einen tatsächlich vorhandenen Effekt richtig erkennt.
Warum werden oft 80 % Power verwendet?
80 % sind ein üblicher Ausgangspunkt. Besteht der geplante Effekt wirklich, wird die Studie ihn in etwa vier von fünf Fällen erkennen.
Warum ist die Effektstärke wichtig?
Mit genügend Antworten können selbst winzige Effekte signifikant werden. Die Effektstärke hält die Planung auf praktisch relevante Effekte ausgerichtet.
Was ist der Unterschied zu einem Stichprobengrößen-Rechner?
Ein normaler Rechner plant deskriptive Präzision. Ein Power-Rechner berücksichtigt auch den statistischen Test.
Was sind Fehler 1. und 2. Art?
Fehler 1. Art bedeutet falsch positiv. Fehler 2. Art bedeutet falsch negativ, wenn ein echter Effekt wegen zu geringer Power übersehen wird.
Kann SurveySwap beim Sammeln helfen?
Ja. Nutze den kostenlosen Austausch, kaufe Antworten oder lass SurveySwap Agency die Feldarbeit übernehmen.
Wenn du bereit bist
Hol dir die Antworten, die deine Studie braucht
Verwandle dein Stichprobenziel in abgeschlossene Umfrageantworten. Nutze den kostenlosen Austausch, kaufe Teilnehmer oder lass SurveySwap Agency die Datenerhebung für dich übernehmen.