Es ist nicht ganz leicht ein gutes Studiendesign zu erstellen. Dazu ist es notwendig einige Fragen vorher zuklären. Wie groß muss meine Stichprobe sein? Wie groß mussen die Kennzahlen sein?

Alle Test stehen für einseitige und zweiseitige Betrachtung zur Verfügung.

Mister Asker


Teil 1: Die optimale Stichprobengröße

G*Power greift nicht auf die Rohdaten zu, sondern stellt Routinen für verschiedene Tests auf aggregierten Kennwerten und Verteilungen zur Verfügung. Daher gibt es in G*Power keine Datenmatrix, die die Daten für jeden Fall und jede Variable aufnimmt. G*Power bietet annähernd 50 verschiedene Tests, die in fünf verteilungsbasierte Gruppen eingeteilt sind:

Exact: Tests, die auf keiner Wahrscheinlichkeitsverteilung basieren (z. B. Binomialtest, McNemar-Test, exakter Fisher-Test)

F Tests: Tests, die auf der F-Verteilung basieren

t tests: Tests, die auf der t-Verteilung basieren

χ² tests: Tests, die auf der Chi-Quadrat-Verteilung basieren

z tests: Test, die auf der Normalverteilung basieren



1) A priori: Bestimmt die erforderliche Stichprobengröße, wenn das Signifikanzniveau (Fehler 1. Art, α), die Teststärke (Power, 1-β) und die Effektgröße festgelegt sind.

2) Compromise: Berechnet das resultierende α und die Teststärke (Power), wenn das Verhältnis von α zu β, die Stichprobengröße und die Effektgröße vorgegeben sind.

3) Criterion: Bestimmt α, wenn die Teststärke (Power), die Effektgröße und die Stichprobengröße bekannt sind.

4) Post hoc: Ermittelt die tatsächlich erreichte Teststärke (Power), wenn α, die Stichprobengröße und die Effektgröße gegeben sind.

5) Sensitivity: Berechnet die Effektgröße, wenn α, die Teststärke (Power) und die Stichprobengröße vorgegeben sind.

Zur Wiederholung

Die Abbildung veranschaulicht die wesentlichen statistischen Zusammenhänge. Die Sicherheitswahrscheinlichkeit (1-α; auch als Sicherheit 1. Art bezeichnet) beschreibt die Wahrscheinlichkeit, die Nullhypothese basierend auf den Stichprobendaten korrekt anzunehmen, wenn sie auch in der Grundgesamtheit zutrifft. Im Gegensatz dazu steht die Fehlerwahrscheinlichkeit 1. Art (α), die angibt, wie wahrscheinlich es ist, die Nullhypothese fälschlicherweise abzulehnen, obwohl sie tatsächlich wahr ist. Die Teststärke oder Power (1-β; Sicherheit 2. Art, grün schraffiert) repräsentiert die Wahrscheinlichkeit, die Alternativhypothese auf Grundlage der Stichprobendaten richtig anzunehmen, wenn diese in der Grundgesamtheit zutrifft. Schließlich erfasst die Fehlerwahrscheinlichkeit 2. Art (β, blau gepunktet) die Wahrscheinlichkeit, dass die Alternativhypothese fälschlicherweise abgelehnt wird, obwohl sie in der Grundgesamtheit wahr ist.







Stichprobenumfangsplanung

Wie berechnet man den optimalen Stichprobenumfang
mit GPower?

Mister Asker




Effektstärkenberechnung

Wie berechnet man die Effektstärke mit GPower?

Mister Asker




Teststärkenberechnung

Wie berechnet man die Teststärke mit GPower?

Mister Asker