Alphafehler

Alphafehler, auch Type-I-Fehler genannt, bezeichnet in der Statistik die Wahrscheinlichkeit, eine wahre Nullhypothese H0 fälschlich abzulehnen. Er spiegelt damit das Risiko wider, bei einem richtigen Modellfakt den Schluss auf einen Effekt zu ziehen, der in Wahrheit nicht existiert.

Formal wird der Alphafehler durch das Signifikanzniveau α festgelegt. Bevor Daten erhoben werden, wählt man α (häufig 0,05; auch 0,01 oder 0,10). Unter der Annahme, dass die Nullhypothese wahr ist, entspricht die Wahrscheinlichkeit, dass der Testwert zur Ablehnung von H0 führt, genau α. In der Praxis bedeutet dies, dass der p-Wert kleiner oder gleich α sein muss, damit H0 verworfen wird.

Das Alpha-Niveau beeinflusst die Typ-I-Fehler-Wahrscheinlichkeit und steht in Wechselwirkung mit dem Typ-II-Fehler (β) und der Teststärke (Power). Eine Verringerung von α senkt das Risiko falscher Positivbefunde, reduziert aber oft die Teststärke und erfordert größere Stichproben. Bei multiplen Tests erhöht sich das kumulative Risiko eines Alpha-Fehlers, weshalb Korrekturen wie Bonferroni oder Holm-Bonferroni angewendet werden, um die Familienfehlerquote zu kontrollieren.

In der Praxis findet sich der Begriff Alphafehler in klinischen Studien, Experimenten und sozialwissenschaftlichen Analysen wieder. Beispiele umfassen das fälschliche Nachweisen einer Wirksamkeit eines Wirkstoffs oder einer Intervention, obwohl kein echter Effekt existiert. Alphafehler bleibt damit ein zentrales Konzept bei der Planung und Bewertung von Hypothesentests.