Reviewer-Kommentare zur Statistik beantworten
Das Manuskript ist zurück, und Reviewer 2 hat vier Absätze zur Methodik geschrieben. Keine Ablehnung, aber auch keine Freude.
Die gute Nachricht: Statistische Einwände wiederholen sich. Fünf Muster decken den größten Teil ab.
„Die Fallzahlplanung fehlt"
Der häufigste Einwand, und der am leichtesten zu beheben – solange du a priori geplant hast.
Wenn nicht, ist eine nachträglich berechnete Teststärke der falsche Weg. Post-hoc-Power ist eine direkte Umrechnung des p-Werts und liefert keine neue Information. Gutachter, die das erkennen, reagieren darauf ungehalten.
Der bessere Weg ist eine Sensitivitätsanalyse: Welchen Effekt hättest du mit
deiner realisierten Fallzahl finden können? Das ist eine echte Aussage.
Wir danken für den Hinweis. Eine A-priori-Fallzahlplanung lag nicht vor. Wir haben stattdessen eine Sensitivitätsanalyse ergänzt (S. 12): Bei N = 118 und einer Teststärke von .80 waren Effekte ab d = 0.52 detektierbar. Diese Einschränkung wurde in die Limitationen aufgenommen.
„Die Voraussetzungen wurden nicht geprüft"
Meist ist die Prüfung erfolgt, steht aber nicht im Text. Zwei Sätze im Methodenteil erledigen den Punkt.
Falls tatsächlich etwas verletzt war: Benenne es und begründe, warum das Verfahren trotzdem tragfähig ist, oder rechne robust nach. Beides ist akzeptabel. Nicht akzeptabel ist, den Einwand zu übergehen.
„Für multiples Testen wurde nicht korrigiert"
Ein Streitpunkt mit zwei vertretbaren Positionen. Bei konfirmatorischen Analysen mit mehreren Primärendpunkten ist eine Korrektur üblich. Bei explorativen Analysen wird sie mit dem Argument abgelehnt, dass sie die Teststärke unnötig senkt.
Wichtig ist, dass du eine Position begründet vertrittst. Was nicht funktioniert: alle Tests unkorrigiert berichten und die signifikanten hervorheben.
Die Analysen zu den sekundären Endpunkten sind explorativ angelegt; wir haben dies auf S. 9 nun ausdrücklich gekennzeichnet. Für die drei Primärendpunkte wurde eine Bonferroni-Holm-Korrektur ergänzt. An der Signifikanz des Haupteffekts ändert sich dadurch nichts.
„Kausale Sprache bei korrelativen Daten"
Der Einwand, den man am schwersten annimmt, weil er die Interpretation trifft. Und der, bei dem Nachgeben am wenigsten kostet.
Geh Abstract, Diskussion und Fazit durch und ersetze „führt zu", „bewirkt", „reduziert" durch „war assoziiert mit", „ging einher mit". Das schwächt deine Aussage weniger, als es sich anfühlt.
„Das Modell ist nicht ausreichend spezifiziert"
Dahinter steckt meist eine konkrete Frage: Warum diese Kovariaten? Warum diese Reihenfolge? Wurde auf Multikollinearität geprüft?
Antworte inhaltlich, nicht statistisch. Kovariaten werden theoretisch begründet, nicht danach ausgewählt, was das Modell verbessert.
Wie du das Antwortschreiben aufbaust
Jeden Punkt einzeln. Kommentar zitieren, Antwort darunter, Seitenzahl der Änderung nennen.
Bedanken, ohne zu kriechen. Ein Satz reicht.
Widersprechen ist erlaubt. Wenn ein Einwand fachlich nicht trägt, begründe das ruhig und sachlich. Gutachter erwarten keine bedingungslose Zustimmung, sondern ein Argument.
Nichts übergehen. Ein unbeantworteter Punkt kommt in der zweiten Runde zurück, dann schärfer.
Wann externe Hilfe sinnvoll ist
Wenn die geforderte Analyse ein Verfahren verlangt, das du nicht routiniert beherrschst, und die Frist bei vier Wochen liegt. Das ist der klassische Fall.
Wir übernehmen Nachanalysen, Sensitivitätsprüfungen und die Überarbeitung des Ergebnisteils für Publikationen. Für Forschungsprojekte, Lehrstühle und Arbeitsgruppen gibt es eine eigene Seite: statistische Auswertung von Forschungsprojekten.
