Statistisk analyse Betydning

I statistisk analyse, har "betydning" en spesifikk teknisk betydning. I vanlig bruk, kan betydelig bety at noe har betydning, eller er viktig. Når imidlertid forskere og andre data analytikere si at et resultat ble signifikant, har de ikke bare bety en stor eller bemerkelsesverdig funn. De betyr at de resultater som oppnås i studien har møtt visse statistiske forhold.

betydning Testing

En "hypotesen" er en prognose eller en forklaring på en bestemt fenomen. I vitenskapen, er disse hypotesene testet i studier hvor data er samlet inn og deretter analysert for å se om det støtter eller avviser hypotesen. Imidlertid, fordi datainnsamling og analyse er aldri perfekt, er det alltid en viss sannsynlighet for å få et positivt resultat, selv når den hypotese er faktisk feil. Betydning testing prøver å finne ut hva denne sannsynligheten er; jo lavere sannsynlighet, mer signifikante funn.

P-verdier

Betydning er rapportert ved bruk av en "p-verdi." Dette verdi tiltak sannsynlighet fra null, betyr 0 prosent sjanse, og 1, som betyr 100 prosent sjanse. Jo nærmere tallet er null, jo vanskeligere er det å få de resultatene oppnådd i analysen ved en tilfeldighet, og derfor desto mer tillit forskere kan ha i funnene. Den p-verdi er beregnet gjennom komplekse analyseprosedyrer, vanligvis ved hjelp av spesialiserte programmer.

Alpha

Et viktig spørsmål for analytikere å stille er: "Hva p-verdi er akseptabelt?" Denne "akseptabelt nivå" kalles alfa, og det er cut-off point, under der resultatene er vurdert som statistisk signifikant. På mange felt, blant annet psykologi, sosiologi og økonomi, er alfa satt til 0,05. Dette betyr at, hvis sannsynligheten for å oppnå resultatene ved en tilfeldighet er 5 prosent eller lavere, blir de betraktet som statistisk signifikant.

Statistisk feil

Alfa nivå har viktige implikasjoner. Når den er satt for høyt, for eksempel 0,2, vil falske positiver slipper gjennom nettet og analytikere anta en effekt når det ikke finnes noen. Dette er en type I-feil. Når den er satt for lavt, for eksempel 0,0001, kan falske negative gjøres og forskere kan anta noen effekt når det er en. Dette er en type II feil. Det finnes ingen vitenskapelig måte å sette alfa, og brukte 0.05 konvensjonen er egentlig tilfeldig.

begrensninger

En vesentlig begrensning av NHST er at p-verdien er sterkt påvirket av antallet datapunkter i analysen. Hvis det er tusenvis av datapunkter i analysen, kan selv svært små effekter være statistisk signifikant. Så kan en betydelig effekt i en studie ikke representerer noe som er å ha en effekt i den virkelige verden. For å komme rundt dette, er betydningen vanligvis kombinert med annen statistikk, slik som "effekt size", som anslår størrelsen på forskjellen.