13. Konfidenzintervalle, Hypothesentest und Stärkeberechnungen

Dies ist eine systematische Einführung in den Kurs MIT 14.310x „Data Analysis for Social Scientists“ (Datenanalyse für Sozialwissenschaftler), gehalten von Professorin Sara Ellison. Im Mittelpunkt stehen drei zentrale Werkzeuge der Statistik: Konfidenzintervalle, Hypothesentests und Poweranalyse. Inhaltlich richtet sich der Kurs an typische Fragestellungen sozialwissenschaftlicher Forschung: Wie lässt sich von einer Stichprobe auf die Grundgesamtheit schließen? Wie erkennt man, ob beobachtete Unterschiede real sind? Und wie lässt sich bereits in der Studienplanung die benötigte Stichprobengröße abschätzen, um wirkungslose Experimente oder übermäßige Stichprobenziehungen zu vermeiden? Das Herzstück des Kurses ist die enge Verbindung abstrakter statistischer Konzepte mit empirischer Forschung. Professorin Ellison erklärt nicht nur Formeln und Logik, sondern betont auch Fehlanwendungen und Fallstricke in der Praxis. Zum Beispiel: Wie ist die wahre Bedeutung eines Konfidenzintervalls zu interpretieren? Warum darf ein p-Wert nicht einfach mit der „Irrtumswahrscheinlichkeit“ gleichgesetzt werden? Und wie beeinflusst die Poweranalyse die Zuverlässigkeit von Studienergebnissen? Der Kurs ist klar aufgebaut – von der Intervallschätzung über die Prinzipien des Testens bis hin zur Poweranalyse – und baut schrittweise ein vollständiges Denkgerüst für die Inferenzstatistik auf. Zielgruppe: Studierende und Forschende mit Grundkenntnissen in Statistik, die quantitative Sozialforschung lernen oder betreiben, sowie Praktiker:innen, die ihre inferenzstatistischen Kenntnisse systematisch auffrischen möchten. Sehempfehlung: Es empfiehlt sich, zunächst die Konzepte der Normalverteilung und des Standardfehlers zu wiederholen, während des Zuschauens Notizen zu machen und die Fallbeispiele anschließend mit Statistiksoftware nachzuvollziehen. Bei knapper Zeit sollte man sich vor allem den Teil zur Poweranalyse ansehen – ein entscheidender Aspekt, der im Forschungsdesign am häufigsten übersehen wird.