Jenseits des p-Werts.
Besser forschen.
Bessere Antworten als „signifikant oder nicht": Effektgrößen, repräsentative Stichproben und bayesianische Inferenz, verständlich erklärt und direkt im Browser zum Mitmachen.
Drei Wege ins Material
Strukturiert über Workshops, themenzentriert über Fragen, vertieft über die Methoden-Seiten. Wähle den Einstieg, der zu dir passt.
Workshops, strukturiert lernen
Drei Workshops mit insgesamt 18 Kapiteln. Vollständig im Browser, jederzeit im eigenen Tempo. Geführte Workshops sind in Planung.
Fragen, themenzentriert
Klick auf deine Frage und springe direkt ins passende Kapitel.
⚠Probleme des p-Werts
Sieben verbreitete Fehlannahmen, kompakt erklärt.
⚙Tools & Software
Bayes-Analysen mit JASP, Jamovi, brms und PyMC: von Klick-GUI bis Code.
✦Effektgrößen
Cohen's d, Hedges' g, η². Verstehen, einordnen, berichten.
NStichproben & Präzision
Wie viele Probanden brauchst du wirklich? Simulation statt Daumenregel.
📚Literatur
Kuratierte Bücher, Reviews und Schlüssel-Papers.
Drei Lernpfade im eigenen Tempo
Jeder Workshop läuft vollständig im Browser (Python via Shinylive, keine Installation). Alles ist kostenfrei zugänglich. Geführte Sessions für Teams sind in Planung.
Beyond Significance
Warum der p-Wert nichts über Bedeutsamkeit aussagt, und wie du Effektgrößen, Praxisrelevanz und Publikationsbias greifbar machst.
02 Workshop 02 · MethodikRepräsentativität & Stichprobengröße
Von der Stichprobe zur Population: Verzerrung, p-Hacking, Schätzgenauigkeit und Unsicherheit, anschaulich am SmartRail-Szenario.
03 Workshop 03 · VertiefungDenke Bayesianisch
Vom Wahrscheinlichkeitsbegriff bis zur Posterior-Verteilung. Schritt für Schritt, mit interaktiven Beispielen aus dem SmartRail-Szenario.
04 Train-the-TrainerTrain-the-Trainer-Programm
Bringe die Methodenwende an deine Hochschule oder Klinik. Mit Zertifizierung, fertigem Curriculum und allen nötigen Materialien.
Starte mit deiner Frage
Statt Methoden-Kapitel zu durchsuchen, wähle eine konkrete Frage und springe direkt ins passende Workshop-Kapitel.
Was bedeutet ein p-Wert eigentlich genau?
Sieben Fehlannahmen, und was der p-Wert tatsächlich aussagt.
d FrageWie groß ist mein Effekt, und ist er bedeutsam?
Effektgrößen, kontextbezogen interpretiert. Die einzig sinnvolle Antwort.
N FrageWie viele Probanden brauche ich wirklich?
Schätzgenauigkeit, Wurzelgesetz und Simulation statt Daumenregel.
π FrageWas ist ein Prior, und ist er nicht zu subjektiv?
Wie Vorwissen mathematisch transparent gemacht wird.
↻ FrageWie aktualisiere ich Überzeugungen mit neuen Daten?
Das Bayes-Theorem im Detail, Schritt für Schritt nachvollzogen.
% FrageWie formuliere ich „mit 95 % Wahrscheinlichkeit liegt der Wert in …“?
Glaubwürdigkeitsintervalle versus Konfidenzintervalle, endlich klar.
Die drei methodischen Säulen
Drei Fragen, die jede empirische Studie beantworten sollte, und die Werkzeuge, mit denen sie sich tatsächlich beantworten lassen.
Gibt es einen Effekt, und wie groß?
Antwort: Effekte und Effektgrößen. Cohen's d, Hedges' g oder schlicht Mittelwertsdifferenzen liefern die Größe direkt. Der p-Wert kann das prinzipbedingt nicht.
Wie verlässlich ist die Schätzung?
Antwort: Stichprobenqualität und Stichprobengröße. Repräsentativität, Drop-outs und Präzisions-Simulationen sagen mehr aus als jede pauschale Power-Tabelle.
Was sagen die Daten über die Hypothese?
Antwort: Bayesianische Datenanalyse. Wahrscheinlichkeiten für Hypothesen, Bayes-Faktoren und sequenzielles Lernen, statt binärem Sieger-Verlierer-Schema.
Software, Literatur und Talks
Eine kuratierte Auswahl: Werkzeuge und Quellen, mit denen wir selbst arbeiten und die wir guten Gewissens weiterempfehlen.
JASP
Statistiksoftware mit grafischer Oberfläche und erstklassiger Bayes-Implementierung, niederschwellig für Lehre und eigene Analysen.
Software · Open SourceJamovi
Modulare Plattform auf R-Basis. Klassische und bayesianische Tests stehen nebeneinander, erweiterbar mit zahlreichen Modulen.
BuchStatistical Rethinking
Richard McElreaths Klassiker, wahrscheinlich der beste Einstieg in bayesianisches Denken überhaupt. Inklusive frei verfügbarer Vorlesungsreihe.
PaperASA Statement on p-Values
Wasserstein und Lazar (2016): der offizielle Konsens der American Statistical Association zur Auslegung des p-Werts.
VideoVorlesungsreihe McElreath
Komplette „Statistical Rethinking"-Vorlesung, frei auf YouTube. Ideal als Begleitung zum Buch oder als eigenständiger Lernpfad.
JournalBASP: Publizieren ohne p-Werte
Basic and Applied Social Psychology verzichtet seit 2015 vollständig auf p-Werte. Eine Blaupause für eine neue Berichtskultur.
Fragen, Anfragen oder Kooperation?
Schreib uns direkt. Wir freuen uns über Nachrichten von Forschenden, Lehrenden und Institutionen, die die Methodenwende mittragen wollen.
E-Mail an Thomas Schäfer →
