Definition und Anwendung am Arbeitsplatz • BUOM

1. März 2021

Die statistische Signifikanz ist ein Schlüsselindikator für die Zuverlässigkeit und den Wert von Statistiken. Aus diesem Grund ist die statistische Signifikanz für alle Fachleute wichtig, die mit Statistiken arbeiten, von Mathematikern und Wissenschaftlern bis hin zu Werbetreibenden und Website-Erstellern. In diesem Artikel besprechen wir die Bedeutung der statistischen Signifikanz und wie Sie die statistische Signifikanz für Ihre beruflichen Aufgaben berechnen und bestimmen.

Was ist statistische Signifikanz?

Statistische Signifikanz ist die Wahrscheinlichkeit, dass eine Beziehung zwischen zwei oder mehr Variablen auf einem anderen Faktor als Zufall beruht. Die Ergebnisse eines Tests oder Experiments gelten als statistisch signifikant, wenn die Möglichkeit besteht, dass das Ergebnis nicht durch Zufall verursacht wurde.

Personen, die mit Statistiken arbeiten, müssen ihre Hypothesen testen, um herauszufinden, ob ihre Daten statistische Signifikanz haben. Eine Hypothese ist eine Theorie über eine Situation, die vor dem Testen der Daten formuliert wird. Beispielsweise könnte ein Geschäftsinhaber glauben, dass die Veröffentlichung von Links zu seinen Blog-Beiträgen auf seinem Social-Media-Konto den Verkehr auf seiner Website erhöht. Diese Theorie wird oft als Alternativhypothese bezeichnet. Sie müssen ihren Website-Verkehr vor und nach der Veröffentlichung von Links analysieren, um ihre Alternativhypothese zu bestätigen oder zu widerlegen.

Es ist auch wichtig, die Nullhypothese zu berücksichtigen, die besagt, dass zwischen den gemessenen Variablen keine wirkliche Beziehung besteht. Die Nullhypothese für das oben genannte Beispiel lautet, dass die Veröffentlichung von Links zu Blogbeiträgen keinen Einfluss auf den Website-Verkehr hat. Sollte dies wahrscheinlicher sein, kann der Geschäftsinhaber andere Taktiken zur Steigerung des Website-Verkehrs besprechen.

Warum statistische Signifikanz im Geschäftsleben wichtig ist

Statistische Signifikanzberechnungen liefern Unternehmen Daten zur Untermauerung ihrer Annahmen. Sie helfen Menschen, die mit Daten arbeiten, zu erkennen, ob die von ihnen beobachteten Phänomene durch vermutete Kräfte oder durch einfachen Zufall verursacht werden. Zu verstehen, was passiert und warum, kann Fachleuten dabei helfen, fundierte Entscheidungen für ihr Unternehmen zu treffen. Wenn Geschäftsentscheidungen auf Statistiken basieren, ist die Wahrscheinlichkeit größer, dass sie positive Auswirkungen haben.

Was ist bei der Berechnung der statistischen Signifikanz zu berücksichtigen?

Durch die Einbeziehung weiterer Daten in die Berechnung der statistischen Signifikanz wird die Genauigkeit verbessert. Die Größe des Datensatzes variiert je nach Studie, er sollte jedoch groß genug sein, um die Stichprobe oder das untersuchte Phänomen darzustellen. Welche Daten Sie angeben, hängt von der Hypothese ab, die Sie zu beweisen versuchen. Sie sollten jedoch immer Daten einbeziehen, die die Alternativ- und Nullhypothesen potenziell stützen oder widerlegen könnten.

Stellen Sie sich einen Fall vor, in dem ein Geschäftsinhaber versucht, den Traffic auf seiner Website zu erhöhen, indem er auf Blogbeiträge in sozialen Medien verlinkt. Sie konnten die Anzahl der täglichen Website-Besuche feststellen, die sie innerhalb eines Monats nach Einführung einer neuen Social-Media-Strategie erhielten.

Die Darstellung dieser Daten auf Glockenkurven bietet eine gute Möglichkeit, Ergebnisse zu vergleichen. Glockenkurven zeigen die Normalverteilung der Daten. Der Mittelwert der Daten, auch Mittelwert des Datensatzes genannt, liegt in der Mitte der Glockenkurve. Die Kurve wird dann erweitert, um die Standardabweichung anzuzeigen.

Tabellenkalkulationsanwendungen können das Zeichnen von Glockenkurven erleichtern. Der oben erwähnte Geschäftsinhaber kann Folgendes tun, um eine Glockenkurve der Website-Besuche zu erstellen, bevor er Links zu Blog-Beiträgen in sozialen Medien veröffentlicht:

1. Erstellen Sie eine Tabelle mit zwei Spalten. Einer sollte jedes analysierte Datum anzeigen, bevor Social-Media-Änderungen vorgenommen wurden, und der andere sollte die Anzahl der Besuche auf der Website anzeigen. Sortieren Sie die Daten so, dass der Tag mit den wenigsten Website-Besuchen zuerst und der Tag mit den meisten Website-Besuchen zuletzt aufgeführt wird. Durch das Sortieren der Daten in aufsteigender Reihenfolge entsteht eine glatte Glockenkurve.

2. Berechnen Sie den Durchschnitt mithilfe der Durchschnittsfunktion. Wenn beispielsweise Website-Besuche in den Feldern B2 bis B32 aufgeführt sind, würde die Berechnung wie folgt aussehen: =AVERAGE(B2:B32).

3. Berechnen Sie die Standardabweichung mit der Funktion STANDDEV.P. Wenn beispielsweise Website-Zugriffe in den Feldern B2 bis B32 aufgeführt sind, würde die Berechnung wie folgt aussehen: =STDEV.P(B2:B32).

4. Frieren Sie die Zellen mit dem Mittelwert und der Standardabweichung ein.

5. Erstellen Sie eine neue Spalte für die Normalverteilung.

6. Berechnen Sie die Normalverteilung mithilfe der Normalverteilungsfunktion. Wenn beispielsweise die Anzahl der Besuche auf der ersten Website im Feld B2, der Durchschnitt im Feld B33 und die Standardabweichung im Feld B34 steht, lautet die Berechnung =NORM.DIST(B2, $B$33, $B $34, FALSCH).

7. Ziehen Sie die Formel nach unten, um die Zellen in der Normalverteilungsspalte zu füllen.

8. Heben Sie den Website-Verkehr und die normale Verbreitungsrate hervor.

9. Klicken Sie auf der Registerkarte „Einfügen“ auf „Ausgewählte Diagramme“. Wählen Sie das XY-Streudiagramm, dann das Streudiagramm mit glatten Linien und dann die zweite Diagrammoption aus.

10. Microsoft Excel zeichnet eine Glockenkurve.

Sie können diesen Vorgang wiederholen, um eine weitere Glockenkurve für den Zeitraum nach der Veröffentlichung der Blogbeiträge in den sozialen Medien zu zeichnen.

Ungefähr 68 % der Daten bzw. die Mehrheit liegen innerhalb einer Standardabweichung der Glockenkurve. Ungefähr 95 % der Daten liegen innerhalb von zwei Standardabweichungen von der Glockenkurve. Wenn Sie drei Standardabweichungen der Kurve schätzen, sind etwa 99,7 % der Daten berücksichtigt.

In der Statistik werden einzelne Daten hinsichtlich ihres Z-Scores ausgewertet. Der Z-Score wird ermittelt, indem der Mittelwert vom Datenpunkt subtrahiert und diese Zahl dann durch die Standardabweichung dividiert wird.

Sobald ein Geschäftsinhaber eine Glockenkurve erstellt, kann er den Verkehr auf seiner Website über einen bestimmten Zeitraum hinweg vergleichen. Wenn die Glockenkurven gleich wären, würde sich der Website-Verkehr in den beiden Zeiträumen nicht merklich ändern. Mit anderen Worten: Eine neue Social-Media-Strategie würde kaum einen Unterschied machen, was darauf hindeutet, dass die Nullhypothese wahr ist. Wenn sich die Glockenkurve jedoch nach rechts verschoben hat, ist die Alternativhypothese höchstwahrscheinlich wahr.

So ermitteln Sie die statistische Signifikanz

Das Testen von Hypothesen ist ein wichtiger Schritt bei der Bestimmung, ob Daten statistisch signifikant sind, es bestätigt jedoch nicht die statistische Signifikanz. Diese endgültige Entscheidung kann erst nach Auswertung der p-Werte getroffen werden. Der p-Wert ist die Wahrscheinlichkeit, ähnliche Ergebnisse zu erzielen, wie wenn die Nullhypothese wahr wäre. Mit anderen Worten: Betrachtet man das obige Beispiel, fragt sich ein Geschäftsinhaber möglicherweise, ob er einen so hohen Website-Verkehr wie im zweiten Zeitraum verzeichnen wird, selbst wenn er seine Social-Media-Strategie nicht geändert hat. Je niedriger der p-Wert, desto höher ist die statistische Signifikanz der Daten.

Bevor die Tests beginnen, bestimmen Statistiker einen bevorzugten p-Wert, den sogenannten Alpha. Wenn Sie diesen Wert vor dem Testen auswählen, werden Fehler reduziert. Die nach dem Test ausgewählte Zahl kann einfach deshalb ausgewählt werden, weil sie Alternativhypothesen unterstützt. Der beste Alpha hängt vom Test ab, ein häufig verwendeter Wert ist jedoch 0,05, was einer Wahrscheinlichkeit von 5 % entspricht. Präzisere Arbeiten wie wissenschaftliche Forschung erfordern möglicherweise einen viel niedrigeren Alpha von 0,005 oder weniger.

Sobald der Alpha-Wert bestimmt ist, werden Tests durchgeführt und der tatsächliche p-Wert mithilfe einer Statistiksoftware wie R berechnet. Im obigen Beispiel gibt der Geschäftsinhaber Statistiken für den Zeitraum nach der Durchführung von Website-Änderungen in die Statistiksoftware ein. um den p-Wert zu bestimmen. Liegt der p-Wert unter Alpha, kann die Nullhypothese verworfen werden. Statistiker sagen dies normalerweise, anstatt zu sagen, dass die Alternativhypothese akzeptiert werden kann. Mit anderen Worten: Die Daten haben statistische Signifikanz.