Psychology World — Startseite
Blog

p-Wert einfach erklärt: was er ist, was er nicht ist und wie du ihn angibst

Was der p-Wert wirklich sagt, die 6 häufigsten Fehldeutungen nach der ASA-Stellungnahme und wie du p-Werte richtig angibst.

Forschungsmethoden8 Min. Lesezeit
Von Psychology World

Der p-Wert sagt, wie gut deine Daten zu einer Annahme passen, die du prüfen willst. Er ist die Wahrscheinlichkeit, unter der Nullhypothese ein mindestens so extremes Ergebnis zu erhalten wie das beobachtete. Ein kleiner p-Wert spricht gegen die Nullhypothese. Ein großer p-Wert heißt nur, dass die Daten mit ihr vereinbar sind.

  • p kleiner oder gleich alpha (meist 0,05): Nullhypothese verwerfen; p darüber: beibehalten, nie beweisen.
  • Der p-Wert ist keine Wahrscheinlichkeit dafür, dass die Nullhypothese wahr ist.
  • Signifikant heißt nicht wichtig: Große Stichproben machen winzige Effekte signifikant.
  • Wer viele Tests rechnet und nur die besten meldet, macht seine p-Werte wertlos.
  • Angabe: exakt mit drei Stellen, zum Beispiel p = 0,038, oder p < 0,001; nie p = 0,000.
  • Die ASA-Stellungnahme von 2016 fasst die sechs häufigsten Fehler in sechs Prinzipien.

Was ist der p-Wert?

Der p-Wert gehört zu einem Hypothesentest. Du stellst zwei Hypothesen auf: die Nullhypothese (H0) und die Alternativhypothese (H1). Die H0 behauptet meist, dass kein Effekt und kein Unterschied besteht. Die H1 behauptet den Effekt, den du zeigen willst. Wie du beide sauber formulierst, erklärt der Artikel zur operationalen Definition. Welche Variablen in den Test eingehen, klärt der Artikel zu unabhängigen und abhängigen Variablen.

Aus den Daten rechnest du eine Teststatistik, zum Beispiel einen t-Wert. Unter der H0 folgt diese Statistik einer bekannten Verteilung. Der p-Wert ist dann die maximale Wahrscheinlichkeit unter der H0 für ein solches Ergebnis. Gemeint ist: die Teststatistik in der beobachteten oder einer noch extremeren Ausprägung in Richtung der H1. So definiert ihn die Methodenlehre der LMU in ihrer Vorlesung Statistik I. Das DocCheck Flexikon fasst kürzer zusammen: Der p-Wert steht für die Wahrscheinlichkeit, unter Annahme der H0 ein mindestens so extremes Ergebnis wie das beobachtete zu erhalten.

Ein erfundenes Beispiel: Ein neues Medikament soll den Blutdruck senken. H0: Die mittlere Senkung liegt bei 0 oder darunter, das Medikament wirkt nicht. H1: Die mittlere Senkung liegt darüber, das Medikament wirkt. Der Test ergibt p = 0,01.

Das heißt: Nähme man an, dass das Medikament keine Senkung bewirkt, wäre eine mindestens so große beobachtete Senkung nur mit 1 Prozent Wahrscheinlichkeit zu erwarten. Das spricht gegen H0. Solche Reaktions- und Messdaten kennst du auch aus der Psychologie, etwa aus Reaktionszeit-Versuchen wie dem Stroop-Test.

Der Zufall spielt dabei immer mit. Auch in sauber verblindeten Studien streuen Stichproben. Der p-Wert misst genau diese Streuung unter der H0. Er misst nichts anderes. Die LMU warnt deshalb: Interpretiere den p-Wert nicht über seine Definition hinaus.

Wie liest du einen p-Wert?

Vor dem Test legst du ein Signifikanzniveau alpha fest. Es begrenzt die Wahrscheinlichkeit für einen Fehler 1. Art, also dafür, die H0 zu verwerfen, obwohl sie stimmt. Üblich sind 0,05, 0,01 oder 0,001.

Die Regel lautet: Ist p kleiner oder gleich alpha, verwirfst du H0. Ist p größer als alpha, behältst du H0 bei. Ob Längsschnitt oder Querschnitt: Das Design bestimmt, wer in die Stichprobe kommt, und nur mit Zufallsstichprobe gilt die Rechnung dahinter.

Der Pfad vom p-Wert zur Entscheidung: p kleiner gleich alpha führt zu H0 verwerfen, p größer alpha führt zu H0 beibehalten.
Der Entscheidungspfad vom p-Wert zur Testentscheidung.

Für die Stärke der Evidenz gelten drei Stufen mit Sternen, wie sie das ZHAW-Skript zur Statistik auflistet:

Sterne und Signifikanzniveaus.
SternepBedeutung
***p < 0,001höchst signifikant
**p < 0,01hoch signifikant
*p < 0,05signifikant
.p < 0,1marginal signifikant

Lege das Niveau vor der Auswertung fest und schreibe es in den Methodenteil. Sonst legst du die Grenze so, dass das gewünschte Ergebnis herauskommt.

Richtung oder keine Richtung: Das entscheidet die H1. Bei einer gerichteten H1 (größer oder kleiner) rechnest du einseitig. Bei einer ungerichteten H1 (ungleich) rechnest du zweiseitig und zählst Abweichungen in beide Richtungen.

Einseitig gegen zweiseitig.
FrageEinseitigZweiseitig
H1größer oder kleinerungleich
Gezählt wirdeine Richtungbeide Richtungen
WannRichtung vorab festgelegtsonst, Standard in der Forschung

Einseitig halbiert den zweiseitigen p-Wert nur, wenn der Effekt in die vorab festgelegte Richtung zeigt und die Verteilung symmetrisch ist. Lege die Richtung also mit der H1 fest, nicht nach dem Blick auf die Daten.

Was sagt der p-Wert nicht? Sechs Sätze, die Punkte kosten

Die Fachgesellschaft der Statistiker in den USA, die ASA, hat 2016 sechs Prinzipien zum richtigen Umgang mit p-Werten veröffentlicht. Aus ihnen folgen sechs Sätze, die in Klausuren und Abschlussarbeiten immer wieder stehen und immer falsch sind:

Sechs Fehldeutungen und was stattdessen gilt.
SatzStimmt dasWas richtig ist
p = 0,03, also ist H0 mit 3 Prozent Wahrscheinlichkeit wahrNeinDer p-Wert setzt H0 voraus. Über ihre Wahrheit sagt er nichts
p = 0,03, also ist das Ergebnis mit 3 Prozent Wahrscheinlichkeit ZufallNeinEr misst die Daten unter H0, nicht die Wahrscheinlichkeit von H0
p < 0,05, also ist der Effekt wichtigNeinSignifikanz misst weder Größe noch Bedeutung eines Effekts
p > 0,05, also gibt es keinen EffektNeinEin großer p-Wert belegt H0 nicht. Er heißt nur: nicht verwerfen
p = 0,049 zählt, p = 0,051 nichtNeinAn der Grenze ändert sich nichts Grundsätzliches. Nahe 0,05 ist allein nur schwache Evidenz
Nur die signifikanten von 30 Tests berichtenNeinWer auswählt, macht p-Werte undeutbar. Berichte alle Analysen

Die LMU fasst drei davon als Merksatz zusammen: Ein kleiner p-Wert heißt nicht, dass H0 unwahrscheinlich wahr ist. Er heißt nicht, dass der wahre Wert weit von H0 entfernt liegt. Und er heißt nicht, dass sich das Ergebnis bei Wiederholung wieder als signifikant zeigt.

Skala von 0 bis 1 mit der Marke alpha bei 0,05: links kleine p-Werte sprechen gegen H0, um 0,05 nur schwache Evidenz, rechts große p-Werte vereinbar mit H0.
Die p-Skala: kleine Werte sprechen gegen H0, Werte nahe 0,05 sind allein nur schwache Evidenz, große Werte sind mit H0 vereinbar.

Ein p-Wert nahe 0,05 allein ist nur schwache Evidenz gegen H0. Und ein großer p-Wert stützt H0 nicht: Unzählige andere Erklärungen passen ebenso gut zu den Daten.

Warum heißt signifikant nicht wichtig?

Signifikanz hängt von zwei Dingen ab: der Größe des Effekts und der Genauigkeit der Messung. Je größer die Stichprobe, desto genauer die Messung, desto kleiner der p-Wert bei gleichem Effekt. Jeder noch so winzige Effekt wird bei genügend großer Stichprobe signifikant. Umgekehrt bleibt ein großer Effekt bei kleiner Stichprobe oft unsignifikant.

Zwei Zahlen zeigen das: Hätten in einer Studie statt 200 Patienten 1000 teilgenommen, bei gleichem Effekt, läge p bei 0,000002 statt im üblichen Bereich. Und ein Anteil von 46 Prozent ergibt p = 0,047, also signifikant, während 46,4 Prozent bei genauerer Messung p = 0,054 ergibt, also nicht signifikant. Dieselbe Frage, fast dieselbe Zahl, anderes Sternchen. Darum warnt die ASA: Berichte die Größe des Unterschieds in verständlichen Einheiten und ein Maß der Stärke dazu.

Signifikanz trennt also nur in belastbar und noch nicht belastbar. Danach musst du immer noch die Relevanz beurteilen, also die Effektstärke. Wo Signifikanz aufhört und Messqualität anfängt, klärt der Artikel zu Objektivität, Reliabilität und Validität. Kurz: Der p-Wert beantwortet, wie ungewöhnlich das Ergebnis unter H0 wäre. Die Effektstärke beantwortet, wie groß es ist. Ob es wichtig ist, beantwortest du mit Blick auf deine Frage.

Warum machen viele Tests alles kaputt?

Wer 20 Tests rechnet und nur die zwei signifikanten zeigt, betrügt sich selbst. Dieses Auswählen heißt p-Hacking. Bei 20 unabhängigen Tests liegt die Chance auf mindestens einen Zufallstreffer bei 64 Prozent, auch wenn kein einziger echter Effekt existiert. Darum verlangt ASA-Prinzip 4 volle Transparenz: Lege vorab fest, welche wenigen Vergleiche dich interessieren. Berichte, wie viele Analysen du gerechnet hast. Und kennzeichne Überraschungen aus vielen Vergleichen als Hinweis, den die nächste Studie erst prüfen muss.

Für deine Arbeit heißt das: Schreibe Hypothesen, Fallzahl und Verfahren vor der Auswertung auf. Ändere sie danach nicht. Und melde p-Werte exakt, auch die unsignifikanten. So bleibt deine Auswertung nachvollziehbar, selbst wenn das Wunschergebnis ausbleibt.

Wie gibst du p-Werte an?

Berichte den exakten Wert mit drei Nachkommastellen und das Niveau dazu. So machst du es Schritt für Schritt:

  1. 1.Nenne alpha und den Test, zum Beispiel t-Test, vor dem Ergebnis.
  2. 2.Gib den exakten p-Wert an, zum Beispiel p = 0,038.
  3. 3.Liegt der Wert unter 0,001, schreibe p < 0,001.
  4. 4.Ergänze Sterne für die Lesbarkeit, zum Beispiel * für p < 0,05.
  5. 5.Schreibe nie p = 0,000. Programme runden auf drei Stellen, null ist es nie.
  6. 6.Deute p > alpha als nicht nachgewiesen, nie als kein Unterschied.

Berichte zusätzlich die Effektstärke mit Unsicherheit, zum Beispiel ein Konfidenzintervall. Ein Sternchen allein sagt nichts über die Größe. Mit Zahl, Test, Niveau und Stärke kann jeder deine Auswertung prüfen.

Begriffe wie Nullhypothese, Signifikanzniveau und Effektstärke musst du sicher beherrschen, bevor du rechnest. In Psychology World für iPhone und iPad schlägst du sie in eigenen Worten nach und legst sie in Listen ab, zum Beispiel Methoden. Mit Flashcard, Question und Typing lernst du jede Liste, bis sie sitzt. Die Suche in Definitionen und der Lernfortschritt sind Pro. Das Wort des Tages zeigt einen Begriff pro Tag zu einer Zeit, die du wählst, und bleibt aus, bis du es einschaltest.

Häufige Fragen

Was ist der p-Wert in einem Satz?

Der p-Wert ist die Wahrscheinlichkeit, unter der Nullhypothese ein mindestens so extremes Ergebnis zu erhalten wie das beobachtete. Ein kleiner Wert spricht gegen die Nullhypothese, ein großer heißt nur, dass die Daten mit ihr vereinbar sind.

Ab wann ist ein Ergebnis signifikant?

Wenn p kleiner oder gleich dem vorab festgelegten alpha ist, meist 0,05. Dann verwirfst du H0. Lege alpha vor der Auswertung fest und nenne es im Methodenteil.

Was heißt nicht signifikant?

Der p-Wert liegt über alpha, also behältst du H0 bei. Das belegt H0 nicht. Besonders bei kleinen Stichproben bleiben auch echte Effekte oft unsignifikant. Berichte die Differenz mit Unsicherheit statt nur kein Unterschied.

Ist p = 0,049 ein Befund und p = 0,051 keiner?

Nein. An der Grenze ändert sich nichts Grundsätzliches. Ein Wert nahe 0,05 allein ist nur schwache Evidenz. Berichte den exakten Wert und die Effektstärke, statt dich hinter dem Sternchen zu verstecken.

Was ist der Unterschied zwischen Signifikanz und Relevanz?

Signifikanz sagt, wie ungewöhnlich das Ergebnis unter H0 wäre. Relevanz sagt, ob es für deine Frage eine Rolle spielt. Bei sehr großen Stichproben werden winzige Unterschiede signifikant, bei kleinen bleiben große unsichtbar. Darum gehört die Effektstärke immer dazu.

Quellen

  1. 1.Yaddanapudi (2016). The American Statistical Association statement on P-values explained.
  2. 2.LMU München (2026). Statistik I, Vorlesung 11: p-Werte.
  3. 3.DocCheck Flexikon (2026). P-Wert.
  4. 4.Dengler und Widmer (2026). Statistik mit R, Skript v43.

Begriffe selbst nachschlagen

18,000+ Begriffe aus Psychologie und Psychotherapie auf Englisch und Deutsch — auf iPhone, iPad, Mac und Apple Vision.

So funktioniert Psychology World
Alle Beiträge