统计学意义介绍

如果结果是统计上显著,这意味着它不太可能是仅通过机会或随机因素来解释的。换句话说,如果在研究研究中没有真正的效果,则统计上显着的结果具有非常低的机会。

p价值或概率值,告诉您发现的统计学意义。在大多数研究中,一个p值小于等于0.05被认为具有统计学意义,但这个阈值也可以设置得更高或更低。

您如何测试统计显着性?

定量研究,通过空假设意义测试分析数据,或者假设检验。这是评估变量与群体之间的关系是否存在统计显着的正式程序。

零假设和备择假设

首先,研究预测被重建为两个主要假设:

  • 一个零假设(H0)始终预测没有真正的效果,变量之间没有关系,或者在组之间没有区别。
  • 一个替代假设(H一个或H.1)指出您对真实效果的主要预测,变量之间的关系,或组之间的区别。

假设检测始终以假设为真的假设。使用此过程,您可以评估在此假设下获取结果的可能性(概率)。根据测试的结果,您可以拒绝或保留零假设。

示例:制定零和替代假设
设计实验测试是否积极微笑可以让人感到更快乐。首先,您将预测物将您的预测重新生成空白和替代假设。

  • H0:积极微笑而不是微笑之间的幸福没有差异。
  • H一个:积极的微笑导致更多的幸福,而不是微笑。

测试统计数据和p价值

每个统计测试都产生:

  • 一个测试统计信息这表示您的数据与空假设的匹配程度。
  • 一个相应的p价值如果零假设为真,则会告诉您获取此结果的概率。

p数值决定了统计意义。极低的p值表示统计学意义高,而高p值意味着低或无统计学意义。

例子:假设检验
要验证您的假设,首先要从两组收集数据。实验组积极地微笑,而控制组才不是。两组均以1-7的规模记录幸福评级。

接下来,你执行一个t测试看看是否积极微笑导致更多的幸福。使用两组之间平均幸福的差异,计算:

  • 一个t值(检验统计量),它告诉你样本数据与零假设的差异有多大,
  • 一个p如果NULL假设为真,则显示出现此结果的可能性。

    要解释你的结果,你会比较你的p值到预定意义水平。

    什么是重要的水平?

    显著性水平或α(α)是研究人员预先作为统计显着性的阈值设置的值。这是您愿意接受的假阳性结论(I型错误)的最大风险。

    在假设测试中,p值与显著性水平进行比较,以决定是否拒绝原假设。

    • 如果是p价值是更高的比显着性水平,没有驳斥,没有驳斥,结果是没有统计学意义
    • 如果是p价值是降低比显着性水平,结果被解释为反驳空假设并报告为统计上显著

    通常,显着性水平设定为0.05或5%。这意味着您的结果必须在零假设下发生5%或更低的机会被认为是统计学意义的。

    显著性水平可以降低,以进行更保守的检验。这意味着影响必须更大才能被认为具有统计学意义。

    对于非学术营销或商业环境中的重要性测试,也可以将重要性水平设定较高。这使得研究更加严格,并增加了找到统计上显着结果的可能性。

    作为最佳实践,您应该在开始学习之前设置重要级别。否则,您可以轻松处理您的结果以符合您的研究预测。

    需要注意的是,假设检验只能告诉你是否拒绝零假设,以支持备择假设。它永远不能“证明”零假设,因为缺乏统计上显著的效果并不意味着绝对没有效果存在。

    示例:统计决策
    通过您的假设测试,您获得了一个p值0.0029。从此p值低于您的重要性水平为0.05,您认为您的结果统计上显着并拒绝零假设。

    这意味着不同群体的幸福水平的差异可以归因于实验性操纵。

    报告统计显着性时,包括相关描述性统计关于您的数据(例如:方法标准差)以及测试统计数据和p价值。

    报告统计显著性
    与备择假设相一致,实验组(= 4.67,SD= 2.14)报告的幸福明显多于对照组(= 3.81,SD= 1.92),t(108) = 2.22,p= .0029。

    你的抄袭是什么?

    你的论文有超过600亿的网页和3000万的出版物。

    • 2020年18luck新利备用网登录最佳剽窃检查器
    • 抄袭报告和百分比
    • 最大的抄袭数据库

    Scribbr 18luck新利备用网登录Plagiarism Checker.

    依赖统计学意义的问题

    有各种统治性概念的统治性概念以及如何在研究中使用。

    研究人员使用缺乏任何理论或实践基础的传统阈值将结果划分为统计上显著或不显著。这意味着即使是很小的0.001的下降p价值可以将一项研究结果从统计上的不显著转化为显著,而其效果几乎没有任何实际变化。

    就其本身而言,统计意义也可能具有误导性,因为它受到样本大小。在非常大的样本中,你更有可能获得具有统计学意义的结果,即使这种影响在现实世界中实际上很小或可以忽略不计。这意味着,如果满足显著性阈值,小的影响往往会被夸大,而有趣的结果在未达到阈值时被忽略。

    强调统计显着性导致严重出版物偏见以及过去几十年社会科学和医学中的复制危机。如果研究结果具有统计学上的显著性,那么研究结果通常只会发表在学术期刊上——但是,在高质量的重复性研究中,统计上的显著性结果往往无法被复制。

    结果,许多科学家们称之为退休统计显着性作为一种决策工具,更倾向于用更微妙的方法来解释结果。

    这就是为什么APA指​​南不仅建议报告p价值观还是效果大小置信区间尽可能展示研究结果在现实世界的影响。

    其他类型的研究意义

    除了统计学意义,临床意义和实践意义也是重要的研究结果。

    现实意义显示研究结果是否足以在现实世界中有意义。它由此表示影响的大小研究。

    现实意义
    为了报告实际意义,你要计算你的有统计学意义的发现的影响大小,那就是实验组的更高的幸福评级。

    科恩的d是0.266,表明效果小。

    临床意义与干预和治疗研究有关。当变形或显着改善患者的生命时,治疗被认为是临床显着的。

    关于统计显着性的常见问题

    什么是统计意义?

    统计显著性研究人员使用的术语是否表示他们的观察不太可能发生在零假设统计测试。意义通常用a表示p价值,或概率值。

    统计显着性是任意的 - 这取决于由研究人员选择的阈值或α值。最常见的阈值是p< 0.05,这意味着该数据在原假设下发生的时间可能小于5%。

    当。。。的时候p-Value低于所选择的alpha值,然后我们说测试结果是统计学意义的。

    什么是p值?

    一个p价值或概率值是一个数字,描述您的数据在此之下的可能性有多大程度零假设你的统计测试

    你如何计算p价值?

    P- 价值通常由用于执行统计测试的程序自动计算。它们也可以被估计使用p- 相关的表格测试统计信息

    P-值是从测试统计量的null分布计算出来的。它们告诉您在统计检验的零假设下,一个检验统计量预期出现的频率,这取决于它在零分布中的位置。

    如果测试统计学远非零分配的平均值,那么p-Value将很小,表明测试统计学不太可能在零假设下发生。

    p值是否告诉你备择假设是否正确?

    不。的p价值只告诉您所观察到的数据有多可能在零假设下发生。

    如果是p-value低于您的重要阈值(通常p<0.05),然后您可以拒绝零假设,但这并不一定意味着您的替代假设是真的。

    这篇文章有用吗?
    0
    Pritha bhandari.

    Pritha有一个英语,心理学和认知神经科学的学术背景。作为跨学科研究员,她喜欢写文章,了解学生和学者的棘手的研究概念。

    1评论

    Pritha bhandari.
    Pritha Bhandari(Scribbr队)
    2021年1月7日晚上8:18

    感谢你的阅读!希望这篇文章对您有所帮助。如果还有什么不清楚的地方,或者你在这里没有找到你想要的东西,请留下评论,我们会看看我们是否能帮上忙。

    还有疑问吗?

    请点击左边的复选框,以验证您不是一个机器人。