Individualisierte Anzeige von Signifikanzen in GESStabs

Signifikanztests sind ein wich­ti­ges sta­tis­ti­sches Maß und äußerst belieb­tes metho­di­sches Verfahren in der Markt- und Sozialforschung: Über die unter­such­te Stichprobe hin­aus geben sie Auskunft dar­über, ob sich die gesam­mel­ten Informationen auch auf die (ent­spre­chen­de) Grundgesamtheit über­tra­gen lassen.

Grundsätzlich besteht ein Signifikanztest in der Überprüfung einer theo­re­tisch begrün­de­ten Hypothese über den sys­te­ma­ti­schen Zusammenhang zwi­schen zwei Variablen. Statistisch wird dies umge­setzt durch einen Vergleich der gemes­se­nen Werte und der Stichproben-Verteilung mit einer Standardnormalverteilung.

In GESStabs ste­hen eine gan­ze Reihe von Signifikanztests für gewich­te­te und unge­wich­te­te Daten zur Verfügung. Signifikante, d.h. nicht zufäl­lig ent­stan­de­ne, Unterschiede zwi­schen zwei Messwerten wer­den mit­hil­fe von Buchstaben in den Datenzellen mar­kiert. Häufig wer­den ver­schie­de­ne Testverfahren kom­bi­niert und neben­ein­an­der in der Datentabelle aus­ge­wie­sen. Nun liegt es in der Natur der Sache, dass mit wach­sen­der Stichprobengröße mehr und auch kleine(re) Differenzen signi­fi­kant sind, denn: Je mehr Teile einer Population erfasst wer­den, des­to wahr­schein­li­cher ist es, dass die Stichprobe die tat­säch­li­chen Merkmalsausprägungen der Grundgesamtheit abbil­det. Auch wenn signi­fi­kan­te Ergebnisse erwünscht sind, ist eine Interpretation vie­ler signi­fi­kan­ter, aber klei­ner Zusammenhänge meist nicht ziel­füh­rend. Zudem macht die Markierung all­zu vie­ler Tabellenzellen mit Signifikanzbuchstaben eine Tabelle vol­ler und unüber­sicht­li­cher. Es ist also sinn­voll, die Ausweisung signi­fi­kan­ter Effekte in Tabellen auf die wesent­li­chen Stellen zu beschränken.

Zu die­sem Zwecke wur­de — auf Wunsch einer lang­jäh­ri­gen Kundin — ein neu­es Feature ent­wi­ckelt, das die fol­gen­de Funktion beinhal­tet: Die Kennzeichnung von Signifikanz wird unter­drückt, wenn ein vor­ge­fun­de­ner Unterschied zwi­schen zwei Messwerten einen vom Benutzer defi­nier­ten Mindestwert nicht erreicht. Hierfür wer­den zwei Maße der Effektstärke genutzt, die sonst auch als Zusammenhangsmaße ver­wen­det wer­den, näm­lich Cramer´s Phi für Unterschiede zwi­schen Anteilswerten (Prozentwerten) und Cohen´s d für Mittelwerteunterschiede. Der Wertebereich von Cramer´s V liegt zwi­schen 0 (kein Effekt) bis 1 (abso­lu­ter Effekt), Cohen´s d kann auch Werte über 1 anneh­men. Als Minimalausprägung, die eine Differenz anneh­men muss, um als rele­vant signi­fi­kant mar­kiert zu wer­den, wird eine Mindest-Effektstärke ange­ge­ben. Wird eine Signifikanz-Kennzeichnung unter­drückt, wird dies in der im Zuge der Signifikanzprüfung erstell­ten stats.txt-Datei ver­merkt. Die ent­spre­chen­den neu­en Funktionen hei­ßen SIGNIFMINEFFECTCHIQ   und SIGNIFMINEFFECTTTEST und wer­den syn­tak­tisch so definiert:

SIGNIFMINEFFECTCHIQ = <Mindestwert>;

bzw.

SIGNIFMINEFFECTTTEST = <Mindestwert>;

Das unten ste­hen­de Beispiel ver­an­schau­licht die Auswirkung der neu­en Funktion.

Zunächst sehen Sie hier eine Tabelle mit Dummydaten, in der alle Signifikanzen aus­ge­wie­sen werden.

Anschließend sol­len nur signi­fi­kan­te Effekte ab einer Stärke von 0.3 mar­kiert werden.

Wird die Ausgabe der Signifikanzbuchstaben auf einen Minimaleffekt von 0.7 beschränkt, wer­den nur noch hohe signi­fi­kan­te Mittelwertedifferenzen angezeigt.

Eine signi­fi­kan­te Effektstärke von über 0.8 weist schließ­lich kei­ner der in der Tabelle dar­ge­stell­ten Differenzen mehr auf — davon ist auch bei fik­ti­ven Daten in der Marktforschung nur zu träumen.

Die beschrie­be­ne neue Funktion ist ein Beispiel dafür, wie Anforderungen aus der Praxis unse­re Software for­men, ihre Leistungsfähigkeit erhö­hen und damit Ihre Arbeit immer wei­ter erleich­tern — aus der Praxis, für die Praxis!

Übrigens: Hier infor­mie­ren wir Sie stets über neue Funktionen und Einstellungen unse­rer Softwareprodukte.