Statistical Power & Sample Size Calculation
Definition: Statistische Power ist die Wahrscheinlichkeit, einen tatsächlich existierenden Effekt in der Stichprobe zu entdecken und als statistisch signifikant zu identifizieren (1 − β). Die Fallzahlberechnung bestimmt die benötigte Stichprobengröße, um eine vorgegebene Power zu erreichen. Beide Konzepte sind fundamental für reliable Hypothesentests und schützen vor falsch-negativen Ergebnissen. Sie hängen von Effektstärke, Signifikanzniveau und Datenstreuung ab.
Statistical Power: Die Wahrscheinlichkeit, einen Effekt zu finden
Statistische Power, auch Teststärke genannt, ist die Wahrscheinlichkeit, einen real vorhandenen Effekt in der Stichprobe als signifikant zu identifizieren. Formal entspricht sie 1 − β, wobei β die Wahrscheinlichkeit eines Fehlers zweiter Art beschreibt. Während das Signifikanzniveau α das Risiko eines falsch positiven Befunds begrenzt, adressiert die Power das Risiko, einen wahren Effekt zu übersehen. Eine Studie mit geringer Power kann daher selbst dann keine Evidenz liefern, wenn die Alternativhypothese korrekt ist.
Die Power ist eine Funktion von vier Größen: dem Signifikanzniveau α, der Effektstärke, der Streuung der Daten und dem Stichprobenumfang. Diese vier Parameter stehen in einem engen Austauschverhältnis. Ändert man einen, müssen sich die anderen anpassen.
Eine unterpowerte Studie ist wie ein Netz mit zu groben Maschen: Der Fisch ist da, aber er entkommt.
| Entscheidung | H0 ist wahr | H0 ist falsch |
|---|---|---|
| H0 verworfen | Fehler 1. Art (α) | Richtige Entdeckung |
| H0 beibehalten | Richtige Entscheidung | Fehler 2. Art (β) |
Power = 1 − β ist also die Fähigkeit, die Alternative zu erkennen.
Fallzahlberechnung: Fünf Parameter, ein Ziel
Die Berechnung des Stichprobenumfangs läuft in der Praxis auf eine Inverse der Poweranalyse hinaus. Statt die Power für eine gegebene Stichprobe zu schätzen, legt man die Zielpower fest, etwa 0,80 oder 0,90, und löst nach n auf. Dazu benötigt man vier Eingangsgrößen, die in der folgenden Tabelle zusammengefasst sind:
| Parameter | Übliche Vorgabe | Richtung des Einflusses |
|---|---|---|
| Signifikanzniveau α | 0,05 | kleineres α → größeres n |
| Power 1 − β | 0,80 | höhere Power → größeres n |
| Effektstärke d | 0,2 / 0,5 / 0,8 | kleinerer Effekt → größeres n |
| Streuung σ | aus Vorstudien | größere Streuung → größeres n |
Die Effektstärke ist dabei der schwierigste Parameter. Sie wird nicht berechnet, sondern begründet aus Vorwissen, Pilotdaten oder der minimalen praktischen Relevanz. Wer hier einen zu großen Effekt annimmt, erhält ein zu kleines n – und riskiert eine unterpowerte Studie.
Ein typischer Ablauf der Fallzahlplanung:
- Effektstärke und Zielpower festlegen.
- Signifikanzniveau und Testrichtung bestimmen.
- Stichprobenumfang mit geeigneter Software oder Formel berechnen.
- Adjustierung für erwartete Ausfälle vornehmen.
Ohne Fallzahlberechnung gleicht eine Studie einem Blindflug, bei dem der verdeckte Effekt dem Zufall überlassen bleibt.
Poweranalyse verstehen: Die Detektor-Analogie
Eine hilfreiche Analogie ist der Rauchmelder. Ein guter Rauchmelder schlägt bei echtem Feuer zuverlässig Alarm. Die Power ist seine Empfindlichkeit. Ein zu unempfindlicher Melder übersieht den Schwelbrand – ein Fehler zweiter Art. Ein zu empfindlicher Melder heult bei Wasserdampf los – ein Fehler erster Art. Die Wahl des Schwellenwerts entspricht dem Signifikanzniveau α, während die Zahl der Sensoren der Stichprobengröße entspricht. Mehr Sensoren erhöhen die Chance, einen schwachen Rauch zu detektieren.
Die Analogie macht auch klar: Power ist keine Prophezeiung. Sie bezeichnet die Wahrscheinlichkeit vor der Datenerhebung, nicht das Ergebnis einer einzelnen Studie. Nach der Analyse ist die Entscheidung gefallen; die Power als Prä-Faktum dient der Planung.
Häufige Fehler und praktische Konsequenzen
Viele Studien scheitern nicht an der Statistik, sondern an der Planung. Die häufigsten Fehler sind:
- Unrealistisch hohe Effektstärken in der Annahme.
- Zielpower unter 0,80, ohne dies zu begründen.
- Vernachlässigung der Ausfallrate oder fehlender Werte.
- Einseitige Tests, wenn zweiseitige Hypothesen geprüft werden.
Diese Fehler führen zu vergrößerten Konfidenzintervallen, instabilen Schätzungen und letztlich zu nicht reproduzierbaren Ergebnissen. Eine transparente Poweranalyse gehört daher in jede Präregistrierung. Sie zwingt zur expliziten Angabe der erwarteten Effektstärke und macht die Studie für Dritte überprüfbar.
Die Fallzahlberechnung ist kein Selbstzweck, sondern eine ethische Notwendigkeit: Sie vermeidet sowohl überflüssige Belastungen von Probanden als auch die Verschwendung von Forschungsressourcen.
« Back to Glossary Index