Die meisten wissen es bereits: Die Debatte um den p-Wert geht immer weiter. Über die Probleme, die damit zusammenhängen, hatte ich bereits berichtet. Ende 2017 hatte ein Paper Wellen geschlagen, in dem ein Konsortium von 72 Statistikern vorschlug, den die Signifikanzgrenze auf 0,005 zu senken, also um den Faktor 100 gegenüber dem bisherigen üblichen Wert. Darüber ist breit debattiert worden und natürlich gibt es auch Gegenvorschläge.
Kürzlich hat John Ioannidis in JAMA die Debatte aufgegriffen und einmal die möglichen Alternativen zur Senkung der Signifikanzgrenze zusammengefasst, etwa Bayes’sche Methoden, totaler Verzicht auf p-Werte oder Fokussierung auf auf Effektgrößen und deren Unsicherheit. Gleichzeitig diskutiert er auch, wie wahrscheinlich eine schnelle Umsetzung ist.
tl;dnr: Es gibt keine einfache bessere Alternative, die leicht umzusetzen ist. Ob sich etwas bewegt, hängt auch entscheidend davon ab, ob es entsprechende Anforderungen oder Anreize, etwa von Seiten der Journals gibt.
JAMA. 2018;319(14):1429-1430. doi:10.1001/jama.2018.1536