Signifikanztests

Get Started. It's Free
or sign up with your email address
Rocket clouds
Signifikanztests by Mind Map: Signifikanztests

1. Lehre

1.1. Verständnis wichtig für die Rezeption aktueller Forschung

1.2. Henne-Ei-Problem bei Lehre und Forschung

1.3. Idee hinter Signifikanztests: Oft nicht verstanden

1.3.1. Selbst durchdenken!!!

1.3.2. Evtl. Kritikpunke/Alternativen kennen?

2. Geschichte

2.1. Fisher VS Neyman-Pearson

2.2. Zeitgeschichte: die aktuelle Debatte und ihre Hintergründe

2.3. Zwei Entwicklungsstränge: Experimente und Erhebungen/Sozialstatistik

2.4. Kanonisierung und Institutionalisierung in Forschungsfeldern

3. Kritikpunkte

3.1. Statistische vs. Praktische Bedeutsamkeit

3.2. "Fischen nach Signifikanz"

3.3. Spezifische statistische Probleme

3.3.1. multiples Testen

3.3.2. Voraussetzungen testen

3.4. Publikationsbias

3.4.1. Überberichten von signifikanten Ergebnissen

3.4.2. Unterberichten von nicht signifikanten Ergebnissen

3.5. Interpretationsprobleme

3.5.1. "Signifikant" heißt nicht "H1 ist wahr"

3.5.2. Daten|H0 != H0|Daten

4. Grundidee

4.1. Definition p-Wert

4.2. Vorgehen

4.2.1. Von der H0 ausgehen

4.2.2. Einordnung der vorliegenden Daten

4.2.3. Interpretation des p-Wertes

5. Alternativen und Ergänzungen

5.1. Konfidenzintervalle

5.2. Effektgrößen berichten

5.3. Hypothesengeleitetes Vorgehen

5.3.1. Oder: Exploratorisch und dann Replikation

5.3.2. Grundannahme: Statistik erklärt per se nichts, sie bietet lediglich das Werkzeug für Erklärungen (egal welches Verfahren).

5.4. robuste Verfahren

5.5. geometrische Ansätze

5.5.1. Description comes first

5.5.1.1. The model should follow the data, nit the reverse

5.5.2. Statt der zentralen Rolle numerischer Indikatoren die Konstruktion und Analyse von Punktwolken

5.5.2.1. Variablen vs. soziale Räume (Punktwolken)

5.5.3. Signifikantestes als Erweiterung deskriptiver Befunde bzgl. der Existenz von Effekten

5.5.4. Stabilität der Punktwolke

5.5.4.1. Konfidenzellipsen/ Konfidenzregionen

5.5.4.2. Referenzwolke/ Variation verschiedener Bereiche

5.5.4.3. Bootstrap

5.5.4.4. Funktionalanalysis

5.6. Alternative Maßzahlen

5.6.1. Number of Counterfactual Cases Needed to Disturb Finding

5.6.2. Hartmann's M