Як обчислити значущість

Зміст

• Помилка I типу: помилково відкидаючи нульову гіпотезу
• Помилка типу II: помилково відкидаючи альтернативну гіпотезу
• Визначення рівня значущості
• Вибір тесту на значущість

Статистична значимість - це об'єктивний показник того, чи є результати дослідження математично "реальними" та статистично захищеними, а не просто випадковим явищем. Загальновживані тести на значущість шукають відмінності в засобах наборів даних або відмінності у дисперсіях наборів даних. Тип тесту, який застосовується, залежить від типу даних, що аналізуються. Дослідники повинні визначити, наскільки значущими вони потребують результатів - іншими словами, наскільки ризикують вони готові взяти помилки. Як правило, дослідники готові прийняти рівень ризику в 5 відсотків.

Помилка I типу: помилково відкидаючи нульову гіпотезу

••• Скотт Ротштайн / iStock / Getty Images

Експерименти проводяться для перевірки конкретних гіпотез або експериментальних питань із очікуваним результатом. Нульова гіпотеза - така, яка не виявляє різниці між двома наборами даних, що порівнюються. Наприклад, у медичному дослідженні, нульовою гіпотезою може бути те, що немає різниці в покращенні між пацієнтами, які отримували досліджуваний препарат, та пацієнтами, які отримували плацебо. Якщо дослідник помилково відкидає цю нульову гіпотезу, коли вона насправді є правдою, іншими словами, якщо вони «виявляють» різницю між двома групами пацієнтів, коли різниці дійсно не було, то вони допустили помилку типу I.Дослідники заздалегідь визначають, який ризик скоєння помилки типу I вони готові прийняти. Цей ризик заснований на максимальному значенні p, яке вони приймуть до відкидання нульової гіпотези, і називається альфа.

Помилка типу II: помилково відкидаючи альтернативну гіпотезу

Альтернативна гіпотеза - це така, яка виявляє різницю між двома наборами даних, що порівнюються. У випадку медичного випробування можна очікувати різного покращення рівня пацієнтів, які отримували досліджуваний препарат та пацієнтів, які отримували плацебо. Якщо дослідникам не вдасться відкинути нульову гіпотезу, коли вони повинні, іншими словами, якщо вони "не виявляють" різниці між двома групами пацієнтів, коли дійсно була різниця, вони допустили помилку типу II.

Визначення рівня значущості

Коли дослідники проводять тест зі статистичною значимістю і отримане в результаті p-значення менше рівня ризику, який вважається прийнятним, то результат тесту вважається статистично значущим. У цьому випадку нульова гіпотеза - гіпотеза про відсутність різниці між двома групами - відкидається. Іншими словами, результати свідчать про різницю в покращенні між пацієнтами, які отримували досліджуваний препарат та пацієнтами, які отримували плацебо.

Вибір тесту на значущість

Є кілька різних статистичних тестів на вибір. Стандартний t-тест порівнює засоби з двох наборів даних, таких як наші дані про лікарські засоби та дані плацебо. Парний t-тест використовується для виявлення відмінностей у тому ж наборі даних, як, наприклад, до і після дослідження. Односторонній аналіз варіації (ANOVA) може порівнювати засоби з трьох або більше наборів даних, а двосторонній ANOVA порівнює засоби двох або більше наборів даних у відповідь на дві різні незалежні змінні, такі як різні сили досліджуваний препарат. Лінійна регресія порівнює засоби наборів даних по градієнту обробок або часу. Кожен статистичний тест призведе до вимірювання значущості, або альфа, які можуть бути використані для інтерпретації результатів тесту.