Delphine klicken mehrmals pro Sekunde – und erkennen ihre Beute oder Feinde am Echo des Schalls. Welch ein toller Trick der Natur!
Moderne Statistiker machen das gleiche: Sie stellen Fragen, erhalten aus den Daten ein erstes Echo, fragen nach, verwerten das zweite Echo, fragen wiederum und so weiter. Einzelinformationen werden zu Mustern verdichtet. Daraus werden Schlüsse gezogen. So erkennen Statistiker Zusammenhänge, Abhängigkeiten oder Brüche.
Statistisches Vorgehen gleicht einer Reise ins Unbekannte. Verfahren wie Cluster- oder Faktorenanalyse sind so angelegt: Sie entdecken neue Typen oder zusammengehörige Faktoren.
Leider wird mit Statistik Schindluder getrieben. Dazu zählt die ".05-Signifikanz". Diese meint ein Stützen auf eine (!) vermeintlich die Wahrheit offenbarende Methode. Nichts könnte irreführender sein1. Von Anfang an – bereits vor hundert Jahren – wurde diese Methode kritisiert, und die Kritik nimmt von Jahr zu Jahr an Heftigkeit zu2.
Doch Signifikanz wird von vielen Betreuer:innen als Beleg für "Wissenschaftlichkeit" eingefordert. Gut, sie sollen ihren Willen bekommen. Diese Methode ist grundsätzlich nicht falsch, nur muss sie sinnvoll ergänzt werden.
Ich zeige meinen Klient:innen, auf welche Weise zusätzliche Muster erkennbar und
wie einfach Arbeiten im Sinne moderner Statistik aufgewertet werden können!
1 Die Replikationskrise der Psychologie spricht Bände. Die Hälfte von durch Studien gewonnenen Effekten konnte nicht bestätigt werden. Einer der Gründe ist das alleinige Anwenden der ".05-Signifikanz", eines Urteils nach dem Schwarz-Weiß-Schema. Dieses Schema ist ungeeignet für die reale Welt: Open Science Foundation, 2015, Science 349(6251), DOI: 10.1126/science.aac4716.
2 Wir sind laut ASA (des US-amerikanischen statistischen Fachverbandes) in der Nach-p<.05-Periode angelangt. Viele hartnäckige wissenschaftstheoretische und -praktische Probleme sind auf dieses übersimplifizierte Schwarz-Weiß-Schema zurückzuführen. Ronald L. Wasserstein & Nicole A. Lazar (2016). The ASA Statement on p-Values: Context, Process, and Purpose, The American Statistician, 70:2, 129-133, DOI: https://doi.org/10.1080/00031305.2016.1154108