Hypothesentesten

Hypothesentesten ist ein Verfahren der Inferenzstatistik, das darauf abzielt, aus Daten eine evidenz gegen eine vorab festgelegte Nullhypothese (H0) zu gewinnen, die meist eine Behauptung über Gleichheit oder keinen Effekt ausdrückt. Gegen H0 steht die Alternativhypothese Ha oder H1, die eine Abweichung oder einen Effekt postuliert.

Der typischer Ablauf umfasst: Formulierung von H0 und Ha, Wahl eines Signifikanzniveaus alpha (häufig 0,05), Erhebung bzw. Sammlung geeigneter Daten, Auswahl eines passenden Testverfahrens, Berechnung einer Teststatistik und Bestimmung eines p-Werts oder eines kritischen Werts. Bei einem p-Wert ≤ alpha wird H0 abgelehnt; sonst wird H0 nicht abgelehnt. Wichtig ist, dass Hypothesentesten nicht beweist, dass H0 wahr ist, sondern nur, dass die Daten unter H0 unwahrscheinlich sind.

Fehlerarten: Typ-I-Fehler – fälschliches Ablehnen einer wahren H0; Typ-II-Fehler – Nicht-Ablehnen einer falschen H0. Die Teststärke (Power) ist 1 minus der Typ-II-Fehlerwahrscheinlichkeit und hängt von der Effektgröße, der Stichprobengröße, dem Variabilitätsgrad und dem Signifikanzniveau ab.

Zu den gängigen Verfahren gehören der t-Test (ein- oder zweiseitig), der Chi-Quadrat-Test (Unabhängigkeit, Passung), ANOVA, sowie nichtparametrische Alternativen wie Mann-Whitney oder Wilcoxon. Mehrfachvergleiche erfordern oft eine Korrektur des Fehlerrisikos (z. B. Bonferroni).

Vor dem Hintergrund der Reproduzierbarkeit wird empfohlen, neben dem p-Wert auch Effektgrößen und Konfidenzintervalle zu berichten. p-Werte hängen stark von der Stichprobengröße ab, und missbräuchliche Anwendungen wie p-Hacking oder H0-Vereinfachungen können zu verzerrten Schlussfolgerungen führen.