Missverständnisse in Bezug auf Statistik sind selbst unter erfahrenen Forschern weit verbreitet

Forscher interpretieren p-Werte oft fälschlicherweise als Beweis für die Richtigkeit einer Hypothese, wie eine neue Übersichtsarbeit zeigt

17.11.2026
AI-generated image

Symbolbild

Selbst Forscher und Personen mit umfassender statistischer Ausbildung haben oft Schwierigkeiten, statistische Ergebnisse richtig zu interpretieren. Dies zeigt eine neue systematische Übersichtsarbeit der Universität Uppsala und weiterer Institutionen, in der die Forscher 55 Studien mit über 15.000 Teilnehmern analysiert haben.

Statistik ist in vielen wissenschaftlichen Bereichen ein wichtiges Werkzeug. Mithilfe statistischer Methoden können Forscher nicht nur das Beobachtete beschreiben, sondern auch allgemeinere Schlussfolgerungen ziehen. Dabei könnte es beispielsweise darum gehen, zu untersuchen, ob ein Medikament wirksam ist oder ob ein Zusammenhang zwischen Luftverschmutzung und der menschlichen Gesundheit besteht.

Das Ziehen von Schlussfolgerungen aus statistischen Ergebnissen wird als statistische Inferenz bezeichnet. Die Art und Weise, wie die Ergebnisse statistischer Analysen beschrieben und verstanden werden, beeinflusst die Schlussfolgerungen, die tatsächlich gezogen werden. Begriffe wie der p-Wert, die statistische Signifikanz und Konfidenzintervalle spielen dabei eine zentrale Rolle.

Doch wie gut verstehen wir diese Konzepte eigentlich?

„Wir haben zahlreiche Studien gefunden, die sich auf verschiedene Weise mit dieser Frage befasst haben. Auffällig ist, dass die Forscher trotz unterschiedlicher Methoden zu so ähnlichen Schlussfolgerungen gelangt sind: Das Verständnis dafür, was tatsächlich aus statistischen Ergebnissen abgeleitet werden kann, ist unzureichend, und Missverständnisse sind weit verbreitet“, sagt Per Lytsy, assoziierter Forscher am Institut für öffentliche Gesundheit und Pflegewissenschaften der Universität Uppsala.

Fehlvorstellungen sogar bei Personen mit statistischem Hintergrund

Die systematische Übersicht umfasst 55 Studien, die zwischen 1963 und 2024 veröffentlicht wurden. Bei den meisten Studien handelte es sich um Fragebogenumfragen, in denen die Teilnehmenden gebeten wurden, statistische Ergebnisse zu interpretieren oder zu beurteilen, ob verschiedene Aussagen richtig oder falsch waren. Andere Studien untersuchten, wie statistische Ergebnisse das Vertrauen in wissenschaftliche Schlussfolgerungen beeinflussen. Zu den Teilnehmern gehörten Studierende, Forscher, Fachkräfte im Gesundheitswesen, Statistiker und Lehrkräfte für Statistik.

Ein weit verbreitetes Missverständnis ist, dass statistische Signifikanz als Beweis dafür angesehen wird, dass eine Hypothese wahr ist oder dass ein Effekt signifikant ist. So kann beispielsweise ein Medikament eine statistisch signifikante Verbesserung bewirken, ohne dass diese Verbesserung für die Patienten praktische Bedeutung hat.

Ein Grund dafür, dass solche Missverständnisse so häufig auftreten, könnte darin liegen, dass statistische Konzepte oft schwer zu verstehen sind und nicht immer mit der Art und Weise übereinstimmen, wie wir intuitiv über Wahrscheinlichkeiten und Unsicherheit nachdenken. Darüber hinaus basieren statistische Methoden auf unterschiedlichen theoretischen Grundlagen und werden manchmal kombiniert angewendet, was es noch schwieriger machen kann, zu verstehen, welche Schlussfolgerungen gerechtfertigt sind.

„Ein gängiges Beispiel ist die Interpretation des p-Werts als die Wahrscheinlichkeit, dass die von uns getestete Hypothese wahr oder falsch ist. Diese Schlussfolgerung lässt sich jedoch nicht auf der Grundlage eines p-Werts ziehen. Solche Fehlinterpretationen können dazu führen, dass wir Forschungsergebnissen ein höheres Maß an Gewissheit beimessen, als gerechtfertigt ist“, sagt Ronnie Pingel, Dozent am Institut für Statistik der Universität Uppsala.

Wichtig für Bildung und Entscheidungen

Durch die Zusammenstellung von Studien aus mehreren Jahrzehnten liefert die neue Übersichtsarbeit ein umfassenderes Bild davon, wie weit verbreitet und hartnäckig diese Fehlvorstellungen sind – selbst unter Personen mit umfassender statistischer Ausbildung. Die Forscher hoffen, dass die Übersichtsarbeit dazu beiträgt, das Bewusstsein für Fehlinterpretationen von Statistiken zu schärfen, den Statistikunterricht zu verbessern und eine kritischere Betrachtung wissenschaftlicher Ergebnisse zu fördern.

„Statistische Methoden anwenden zu können ist nicht dasselbe wie zu verstehen, was die Ergebnisse bedeuten. Unsere Übersicht zeigt, dass Missverständnisse selbst unter erfahrenen Forschern weit verbreitet sind. Dies birgt die Gefahr, dass falsche Schlussfolgerungen gezogen und letztendlich schlechtere Entscheidungen getroffen werden“, sagt Lytsy.

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.

Originalveröffentlichung

Weitere News aus dem Ressort Wissenschaft

Meistgelesene News

Weitere News von unseren anderen Portalen

Unter die Lupe genommen: Die Welt der Mikroskopie