Angeben des Signifikanzniveaus für Trennschärfe und Stichprobenumfang für Plackett-Burman-Versuchsplan

Statistik > Trennschärfe und Stichprobenumfang > Plackett-Burman-Versuchsplan > Optionen

Signifikanzniveau

Entscheiden Sie anhand des Signifikanzniveaus, ob ein Effekt statistisch signifikant ist. Da das Signifikanzniveau den Schwellenwert für die statistische Signifikanz darstellt, nimmt mit einem höheren Wert auch die Wahrscheinlichkeit zu, dass ein Fehler 1. Art auftritt. Ein Fehler 1. Art ist die unzutreffende Schlussfolgerung, dass ein Effekt statistisch signifikant ist.

In der Regel ist ein Signifikanzniveau (als α oder Alpha bezeichnet) von 0,05 gut geeignet. Ein Signifikanzniveau von 0,05 gibt ein Risiko von 5 % an, dass auf einen vorhandenen Effekt geschlossen wird, während tatsächlich kein Effekt vorhanden ist.

Wählen Sie ein höheres Signifikanzniveau wie 0,10, wenn Sie ein höheres Risiko in Kauf nehmen, einen Effekt als statistisch signifikant festzustellen, obwohl tatsächlich kein Effekt vorhanden ist, um eine größere Trennschärfe zum Erkennen eines wichtigen Effekts zu erzielen. Ein Chemiker entwirft beispielsweise ein Experiment zum Untersuchen des Effekts von zwölf Faktoren auf die Ausbeute einer Substanz. Er möchte auch kleine oder nicht signifikante Effekte untersuchen, um nicht versehentlich einen zu Faktor entfernen, der möglicherweise wichtig ist. Daher wählt er ein Signifikanzniveau von 0,10, um wichtige Faktoren mit größerer Sicherheit zu erkennen.
Wählen Sie ein niedrigeres Signifikanzniveau wie 0,01, um eine größere Sicherheit zu erlangen, dass Sie nicht auf das Vorhandensein eines Effekts schließen, während tatsächlich kein Effekt vorhanden ist. Ein Forscher in einem Pharmaunternehmen entwirft beispielsweise ein Experiment zur Untersuchung des Effekts von 24 Faktoren auf ein neues Medikament. In weiteren Experimenten möchte der Forscher ausschließlich Faktoren betrachten, die sich als wichtig herausgestellt haben. Er wählt ein Signifikanzniveau von 0,01, um mit größerer Sicherheit nicht auf die statistische Signifikanz eines nicht vorhandenen Effekts zu schließen.