I statistisk analys , " betydelse " har en specifik teknisk innebörd . I allmänt bruk , kan betydande betyda att något har en mening , eller är viktigt . Men när forskare och andra data analytiker säger att ett resultat var betydande , de inte bara innebära ett stort eller anmärkningsvärt konstaterande . De menar att de resultat som erhållits i studien har träffat vissa statistiska förhållanden . Signifikanstestning
A " hypotes " är en prognos eller en förklaring till en viss företeelse . Inom vetenskapen är dessa hypoteser testas i studier där data samlas in och analyseras sedan för att se om den stöder eller vederlägger hypotesen . Men eftersom datainsamling och analys är aldrig perfekt , det finns alltid en viss sannolikhet för att få ett positivt resultat , även om hypotesen är faktiskt felaktig . Signifikanstestning försöker lista ut vad denna sannolikhet är , desto lägre sannolikhet desto mer betydelsefulla resultaten Addera P värderar
Betydelsen redovisas med ett " p värde . . " Detta värde mäter sannolikheten från noll , vilket innebär 0 procent chans , och 1 , vilket motsvarar 100 procent chans . Ju närmare den siffran är noll , desto svårare är det att få de resultat som erhållits i analysen av en slump , och därför desto mer förtroende forskare kan ha i resultaten . . P -värdet beräknas genom komplexa analysprocedurer , oftast med hjälp av specialiserade program En viktig fråga för analytiker att ställa
Alpha
är : " Vilken p värde är acceptabelt? " Denna" acceptabel nivå " kallas alfa, och det är den brytpunkt , under vilken de resultat anses statistiskt signifikant. I många områden , bland annat psykologi , sociologi och nationalekonomi är alpha satt till 0,05 . Detta innebär att om sannolikheten för att erhålla resultaten av en slump är 5 procent eller lägre , anses de vara statistiskt signifikant .
Typ I och typ II fel
den alfa -nivå har viktiga implikationer . När inställd för högt , till exempel 0,2 , kommer falska positiva slinka igenom nätet och analytiker antar en effekt när det inte finns någon . Detta är en typ I fel . När inställd för lågt , t.ex. 0.0001 , kan falskt negativa göras och forskare kan anta någon effekt när det finns en. Detta är en typ II fel . Det finns inget vetenskapligt sätt att ställa alfa , och det vanligaste 0.05 konvention är i huvudsak godtyckligt .
Begränsningar
En viktig begränsning av NHSTs är att p -värdet är högt påverkas av antalet datapunkter i analysen . Om det finns tusentals datapunkter i analysen , även mycket små effekter kan vara statistiskt signifikant . Så kan en signifikant effekt i en studie representerar inte något som har effekt i den verkliga världen . För att komma runt detta , är betydelse kombineras ofta med annan statistik , såsom " effektstorlek , " vilket ungefär storleken på skillnaden .
