Trau keiner Aussage, die du nicht selbst gefälscht hast… (P-Werte und Co.)
Eine wissenschaftliche Studie hat dies oder jenes belegt. Hören wir ja ständig und glauben wollen wir es oft auch. Doch wer regelmäßig mit Daten arbeitet, der weiss um die Schwierigkeiten eine konsistente Aussage daraus abzuleiten. Um ein zufälliges Ergebnis nicht fälschlich als allgemein gültige Tatsache darzustellen, bedienen wir uns statistischer Test und berichten nur „signifikante“ Ergebnisse.
Allerdings lassen sich in vielen Datensätzen signifikante Zusammenhänge finden, wenn man nur lange genug sucht. Ein großartiges Erklärwerk hat Christie Aschwanden auf FiveThirtyEightScience veröffentlicht. Sie sagt: „Science Isn’t Broken – It’s just a hell of a lot harder than we give it credit for.“
Der Leser kann auf Basis eines Datensatzes von 1948 bis heute den Zusammenhang zwischen der wirtschaftlichen Entwicklung der USA und der herrschenden Partei (Demokraten vs. Republikaner) ermitteln. Je nach betrachteter Subgruppe, Messkriterium und Rahmenbedingung kommt man zu ganz unterschiedlichen Ergebnissen.
Die folgende Darstellung lässt sich im Originalartikel dynamisch bedienen und zeigt das resultierende Signifikanzniveau sowie die abgeleitete Schlussfolgerung automatisch an. Lese- und Klickempfehlung!
