Hogyan számolhatjuk a jelentőségét

Tartalom

• I. típusú hiba: A nullhipotézis hibás elutasítása
• II. Típusú hiba: Az alternatív hipotézis hibás elutasítása
• A szignifikancia szintjének meghatározása
• Jelentőségi teszt kiválasztása

A statisztikai szignifikancia objektív mutatója annak, hogy egy vizsgálat eredményei matematikai szempontból "valós" és statisztikailag megalapozhatók, nem csupán véletlenszerű események. Az általánosan használt szignifikanciatesztek különbségeket keresnek az adatkészletek átlagában vagy az adatkészletek eltéréseiben. Az alkalmazott teszt típusa az elemzendő adatok típusától függ. A kutatók feladata, hogy meghatározzák, mennyire jelentősek az eredmények, vagyis hogy mekkora kockázatot vállalnak, ha tévednek. A kutatók általában hajlandóak elfogadni az 5 százalékos kockázati szintet.

I. típusú hiba: A nullhipotézis hibás elutasítása

••• Scott Rothstein / iStock / Getty Images

Kísérleteket végeznek konkrét hipotézisek vagy kísérleti kérdések kipróbálására a várható eredménnyel. A nullhipotézis az, amely nem észlel különbséget a két összehasonlítandó adatkészlet között. Például egy orvosi vizsgálatban a nulla hipotézis lehet, hogy nincs különbség a javulásban a vizsgált gyógyszert és a placebót kapó betegek között. Ha a kutató tévesen elutasítja ezt a nulla hipotézist, amikor az valóban igaz, vagyis ha "észlelik" a különbséget a két betegcsoport között, amikor valójában nincs különbség, akkor I típusú hibát követtek el.A kutatók előre meghatározják, hogy mekkora kockázatot jelentenek az I. típusú hiba elkövetésére. Ez a kockázat egy olyan maximális p-értéken alapul, amelyet elfogadnak, mielőtt elutasítják a nullhipotézist, és ezt alfa-nak hívják.

II. Típusú hiba: Az alternatív hipotézis hibás elutasítása

Egy alternatív hipotézis az, amely eltérést észlel az összehasonlítandó adatkészletek között. Az orvosi vizsgálat esetében arra számíthat, hogy eltérő szintű javulást tapasztal a vizsgált gyógyszert és a placebót kapó betegek körében. Ha a kutatók nem tudják elutasítani a nullhipotézist, amikor kellene, vagyis ha "észlelik" a különbséget a két betegcsoport között, amikor valóban volt különbség, akkor II. Típusú hibát követtek el.

A szignifikancia szintjének meghatározása

Ha a kutatók statisztikai szignifikancia tesztet végeznek, és a kapott p-érték alacsonyabb, mint elfogadhatónak ítélt kockázati szint, akkor a teszt eredményét statisztikailag szignifikánsnak tekintik. Ebben az esetben a nullhipotézist - azt a hipotézist, hogy a két csoport között nincs különbség - elutasítják. Más szavakkal, az eredmények azt mutatják, hogy különbség van a javulásban a vizsgált gyógyszert és a placebót kapó betegek között.

Jelentőségi teszt kiválasztása

Számos különféle statisztikai teszt közül választhat. A szokásos t-teszt összehasonlítja két adatkészlet átlagát, például a vizsgálati gyógyszerrel és a placebóval kapott adatokat. Párosított t-tesztet használunk ugyanabban az adatkészletben levő különbségek kimutatására, például egy előtti és utáni vizsgálatot. Az egyirányú varianciaanalízis (ANOVA) összehasonlítja a három vagy több adatkészlet átlagait, és egy kétirányú ANOVA összehasonlítja a két vagy több adatkészlet átlagait két különálló független változó, például a tanulmány gyógyszer. A lineáris regresszió összehasonlítja az adatkészletek átlagát a kezelések vagy az idő gradiensének mentén. Minden statisztikai teszt olyan szignifikancia-mértékeket vagy alfa-értékeket eredményez, amelyek felhasználhatók a teszt eredményeinek értelmezésére.