Statistische Signifikanz
Was ist statistische Signifikanz?
Statistische Signifikanz ist die Feststellung eines Analysten, dass die Ergebnisse in den Daten nicht allein durch Zufall erklärbar sind. Das Testen statistischer Hypothesen ist die Methode, mit der der Analytiker diese Bestimmung vornimmt. Dieser Test liefert einen p-Wert, der die Wahrscheinlichkeit darstellt, so extreme Ergebnisse wie die in den Daten zu beobachten, vorausgesetzt, die Ergebnisse sind wirklich allein auf Zufall zurückzuführen. Ein p-Wert von 5% oder weniger wird häufig als statistisch signifikant angesehen.
Die zentralen Thesen
- Statistische Signifikanz ist eine Feststellung, dass eine Beziehung zwischen zwei oder mehr Variablen durch etwas anderes als Zufall verursacht wird.
- Die statistische Signifikanz wird verwendet, um die Plausibilität der Nullhypothese zu belegen, die besagt, dass in den Daten nichts anderes als zufälliger Zufall am Werk ist.
- Statistische Hypothesentests werden verwendet, um festzustellen, ob das Ergebnis eines Datensatzes statistisch signifikant ist.
Statistische Signifikanz verstehen
Statistische Signifikanz ist eine Bestimmung über die Nullhypothese, die davon ausgeht, dass die Ergebnisse allein auf den Zufall zurückzuführen sind. Ein Datensatz liefert statistische Signifikanz, wenn der p-Wert ausreichend klein ist.
Wenn der p-Wert groß ist, sind die Ergebnisse in den Daten allein durch Zufall erklärbar, und die Daten werden als konsistent mit der Nullhypothese erachtet (ohne sie zu beweisen).
Wenn der p-Wert ausreichend klein ist (zB 5% oder weniger), dann werden die Ergebnisse nicht einfach allein durch Zufall erklärt, und die Daten werden als unvereinbar mit der Nullhypothese erachtet; in diesem Fall wird die Nullhypothese des Zufalls allein als Erklärung der Daten zugunsten einer systematischeren Erklärung abgelehnt.
Statistische Signifikanz wird häufig für neue Arzneimittelstudien, zum Testen von Impfstoffen und bei der Untersuchung von Pathologien für Wirksamkeitstests verwendet und um Investoren darüber zu informieren, wie erfolgreich das Unternehmen bei der Einführung neuer Produkte ist.
Beispiel für statistische Signifikanz
Angenommen, Joe Sample, ein Finanzanalyst, ist neugierig, ob einige Anleger bereits über das plötzliche Scheitern eines Unternehmens informiert waren. Joe beschließt, den Durchschnitt der täglichen Marktrenditen vor dem Scheitern des Unternehmens mit denen danach zu vergleichen, um festzustellen, ob es einen statistisch signifikanten Unterschied zwischen den beiden Durchschnitten gibt.
Der p-Wert der Studie betrug 28 % (> 5 %), was darauf hindeutet, dass ein so großer Unterschied wie der beobachtete (-0,0033 bis +0,0007) bei der reinen Zufallserklärung nicht ungewöhnlich ist. Somit liefern die Daten keinen zwingenden Beweis für eine Vorkenntnis des Fehlers. Auf der anderen Seite, wenn der p-Wert 0,01% (viel weniger als 5%) betragen würde, dann wäre der beobachtete Unterschied unter der rein zufälligen Erklärung sehr ungewöhnlich. In diesem Fall kann Joe entscheiden, die Nullhypothese abzulehnen und weiter zu untersuchen, ob einige Händler Vorkenntnisse hatten.
Die statistische Signifikanz wird auch verwendet, um neue Medizinprodukte wie Medikamente, Geräte und Impfstoffe zu testen. Öffentlich verfügbare Berichte von statistischer Signifikanz informieren Anleger auch darüber, wie erfolgreich das Unternehmen bei der Einführung neuer Produkte ist.
Zum Beispiel berichtete Novo Nordisk, ein führender Pharmakonzern für Diabetesmedikamente, dass es beim Testen seines neuen Insulins eine statistisch signifikante Verringerung des Typ-1-Diabetes gab. Der Test bestand aus 26 Wochen randomisierter Therapie bei Diabetespatienten und die Daten ergaben einen p-Wert von weniger als 5 %. Dies bedeutet für Investoren und Aufsichtsbehörden, dass die Daten eine statistisch signifikante Reduktion des Typ-1-Diabetes zeigen. Aktienkurse von Pharmaunternehmen werden oft stark von Ankündigungen über die statistische Signifikanz ihrer neuen Produkte beeinflusst.
Häufig gestellte Fragen
Wie wird die statistische Signifikanz bestimmt?
Statistische Hypothesentests werden verwendet, um festzustellen, ob die Daten statistisch signifikant sind. Mit anderen Worten, kann es allein als Nebenprodukt des Zufalls erklärt werden. Statistische Signifikanz ist eine Feststellung über die Nullhypothese, die postuliert, dass die Ergebnisse allein auf den Zufall zurückzuführen sind. Die Ablehnung der Nullhypothese ist erforderlich, damit die Daten als statistisch signifikant eingestuft werden.
Was ist der P-Wert?
Ein p-Wert ist ein Maß für die Wahrscheinlichkeit, dass ein beobachteter Unterschied zufällig aufgetreten sein könnte. Wenn der p-Wert ausreichend klein ist (z. B. 5% oder weniger), sind die Ergebnisse nicht einfach allein durch Zufall zu erklären und die Nullhypothese kann abgelehnt werden. Wenn der p-Wert groß ist, sind die Ergebnisse in den Daten allein durch Zufall erklärbar, und die Daten werden als konsistent mit der Nullhypothese erachtet (ohne sie zu beweisen).
Wie wird statistische Signifikanz verwendet?
Statistische Signifikanz wird häufig verwendet, um die Wirksamkeit neuer medizinischer Produkte, einschließlich Medikamente, Geräte und Impfstoffe, zu testen. Öffentlich verfügbare Berichte von statistischer Signifikanz informieren Anleger auch darüber, wie erfolgreich das Unternehmen bei der Einführung neuer Produkte ist. Aktienkurse von Pharmaunternehmen werden oft stark von Ankündigungen über die statistische Signifikanz ihrer neuen Produkte beeinflusst.