Если результат статистически значим, это означает, что он вряд ли может быть объяснен исключительно случайностью или случайными факторами. Другими словами, вероятность получения статистически значимого результата очень мала, если в научном исследовании не было истинного эффекта.
Значение p, или значение вероятности, говорит вам о статистической значимости вывода. В большинстве исследований значение p 0,05 или меньше считается статистически значимым, но этот порог также может быть установлен выше или ниже.
Как проверить статистическую значимость?
В количественных исследованиях данные анализируются с помощью проверки значимости нулевой гипотезы или проверки гипотезы. Это формальная процедура для оценки того, является ли взаимосвязь между переменными или разница между группами статистически значимой.
Нулевая и альтернативная гипотезы
Для начала прогнозы исследования перефразируются в две основные гипотезы: нулевую и альтернативную гипотезы.
- Нулевая гипотеза (H 0) всегда не предсказывает ни истинного эффекта, ни взаимосвязи между переменными, ни различий между группами.
- Альтернативная гипотеза (H a или H 1) утверждает ваш основной прогноз об истинном эффекте, взаимосвязи между переменными или различиях между группами.
Проверка гипотез всегда начинается с предположения, что нулевая гипотеза верна. Используя эту процедуру, вы можете оценить вероятность (вероятность) получения ваших результатов при этом предположении. Основываясь на результатах теста, вы можете отклонить или сохранить нулевую гипотезу.
Что такое уровень значимости?
Уровень значимости, или альфа (α), представляет собой значение, которое исследователь устанавливает заранее в качестве порога статистической значимости. Это максимальный риск сделать ложноположительный вывод (ошибка первого рода), который вы готовы принять.
При проверке гипотезы значение p сравнивается с уровнем значимости, чтобы решить, следует ли отклонить нулевую гипотезу.
- Если значение p выше уровня значимости, нулевая гипотеза не опровергается, и результаты не являются статистически значимыми .
- Если значение p ниже уровня значимости, результаты интерпретируются как опровергающие нулевую гипотезу и сообщаются как статистически значимые .
Обычно уровень значимости устанавливается равным 0,05 или 5%. Это означает, что ваши результаты должны иметь 5% или меньше шансов получить нулевую гипотезу, чтобы считаться статистически значимыми.
Уровень значимости можно понизить для более консервативного теста. Это означает, что эффект должен быть больше, чтобы считаться статистически значимым.
Уровень значимости также может быть установлен выше для тестирования значимости в неакадемическом маркетинге или бизнес-контекстах. Это делает исследование менее строгим и увеличивает вероятность получения статистически значимого результата.
Перед началом исследования следует установить уровень значимости. В противном случае вы можете легко манипулировать своими результатами, чтобы они соответствовали прогнозам вашего исследования.
Важно отметить, что проверка гипотезы может только показать вам, следует ли отклонить нулевую гипотезу в пользу альтернативной гипотезы. Он никогда не сможет «доказать» нулевую гипотезу, потому что отсутствие статистически значимого эффекта не означает, что никакого эффекта вообще не существует.
Как рассчитать значение р?
P-значения обычно автоматически рассчитываются программой, которую вы используете для проведения статистического теста. Их также можно оценить с помощью таблиц значений p для соответствующих тестовых статистических данных.
P-значения рассчитываются из нулевого распределения тестовой статистики. Они говорят вам, как часто ожидается, что тестовая статистика будет встречаться при нулевой гипотезе статистического теста, в зависимости от того, где она попадает в нулевое распределение.
Если тестовая статистика далека от среднего значения нулевого распределения, то p-значение будет небольшим, показывая, тестовая статистика вряд ли возникла при нулевой гипотезе.
