Како израчунати значај

Садржај

• Грешка типа И: погрешно одбацивање нулте хипотезе
• Грешка типа ИИ: погрешно одбацивање алтернативне хипотезе
• Одређивање нивоа важности
• Одабир теста значаја

Статистички значај је објективни показатељ да ли су резултати студије математички „стварни“ и статистички подесни, а не само случајна појава. Често коришћени тестови значајности траже разлике у средствима скупова података или разлике у варијанци скупова података. Врста теста која се примењује зависи од врсте података који се анализирају. На истраживачима је да утврде колико су значајни за њих да буду резултати - другим речима, колико су ризика спремни да преузму грешке. Истраживачи су обично спремни да прихвате ниво ризика од 5 процената.

Грешка типа И: погрешно одбацивање нулте хипотезе

••• Сцотт Ротхстеин / иСтоцк / Гетти Имагес

Експерименти се спроводе како би се испитале специфичне хипотезе или експериментална питања са очекиваним резултатом. Нулта хипотеза је она која не открива разлику између два низа података који се упоређују. На пример, у лекарском испитивању, нулта хипотеза би могла бити да нема разлике у побољшању између пацијената који су примали испитивани лек и пацијената који су примали плацебо. Ако истраживач погрешно одбаци ову ништавну хипотезу кад је тачно тачна, другим речима, ако "открију" разлику између два скупа пацијената када заиста није било разлике, тада су починили грешку типа И.Истраживачи унапред утврђују колики је ризик почињења грешке типа И који су спремни да прихвате. Овај ризик заснован је на максималној п-вредности коју ће прихватити пре одбацивања нулте хипотезе и назива се алфа.

Грешка типа ИИ: погрешно одбацивање алтернативне хипотезе

Алтернативна хипотеза је она која открива разлику између два низа података који се упоређују. У случају медицинског испитивања, очекивали бисте да се виде различити нивои побољшања код пацијената који примају испитивани лек и пацијената који су примали плацебо. Ако истраживачи не успеју да одбаце ништавну хипотезу када би требало, другим речима ако "не открију" разлику између два скупа пацијената када је заиста постојала разлика, тада су починили грешку типа ИИ.

Одређивање нивоа важности

Када истраживачи спроведу тест од статистичког значаја и добијена п-вредност је мања од нивоа ризика који се сматра прихватљивим, тада се резултат теста сматра статистички значајним. У овом случају, нулта хипотеза - хипотеза да нема разлике између две групе - се одбацује. Другим речима, резултати показују да постоји разлика у побољшању између пацијената који су примали испитивани лек и пацијената који су примали плацебо.

Одабир теста значаја

Постоји неколико различитих статистичких тестова за избор. Стандардни т-тест упоређује средства из два скупа података, као што су подаци о испитиваним лековима и наши плацебо подаци. Упарени т-тест користи се за откривање разлика у истом скупу података, као што је пре и после испитивања. Једносмјерна анализа варијанце (АНОВА) може упоредити средства из три или више скупова података, а двосмјерна АНОВА упоређује средства два или више скупова података као одговор на двије различите независне варијабле, као што су различите јачине проучавати лек. Линеарна регресија упоређује средства скупова података дуж градијента третмана или времена. Сваки статистички тест ће резултирати мјерама значајности, односно алфа, које се могу користити за интерпретацију резултата испитивања.