Statistiline olulisus on objektiivne näitaja selle kohta, kas uuringu tulemused on matemaatiliselt "reaalsed" ja statistiliselt põhjendatavad, mitte ainult juhuslikud juhused. Tavaliselt kasutatavad olulisuse testid otsivad erinevusi andmekogumite keskmistes või erinevusi andmekogumite erinevustes. Rakendatud testi tüüp sõltub analüüsitavate andmete tüübist. Teadlaste ülesandeks on välja selgitada, kui oluliseks nad tulemusi nõuavad - teisisõnu, kui suurt riski nad on nõus eksima. Tavaliselt on teadlased nõus aktsepteerima 5-protsendilist riskitaset.
I tüübi viga: nullhüpoteesi vale tagasilükkamine
•••Scott Rothstein / iStock / Getty Images
Katseid viiakse läbi konkreetsete hüpoteeside või eeldatavate tulemustega eksperimentaalsete küsimuste testimiseks. Nullhüpotees on selline, mis ei tuvasta erinevust kahe võrreldava andmekogumi vahel. Näiteks meditsiinilises uuringus võib nullhüpotees olla see, et uuritavat ravimit ja platseebot saavatel patsientidel ei ole paranemist erinev. Kui teadlane lükkab selle nullhüpoteesi valesti tagasi, kui see on tegelikult tõsi, teisisõnu, kui nad "avastavad" a erinevus kahe patsiendikomplekti vahel, kui vahet tegelikult ei olnud, siis on nad toime pannud I tüübi viga. Teadlased määravad enne tähtaega kindlaks, kui suure riski I tüübi veaga on nad nõus aktsepteerima. See risk põhineb maksimaalsel p-väärtusel, mille nad aktsepteerivad enne nullhüpoteesi tagasilükkamist, ja seda nimetatakse alfaks.
II tüübi viga: alternatiivse hüpoteesi vale tagasilükkamine
Alternatiivne hüpotees on selline, mis tuvastab erinevuse kahe võrreldava andmekogumi vahel. Meditsiinilise uuringu puhul võib eeldada, et uuringuravimi saanud ja platseebot saavatel patsientidel on paranemisvõimalused erinevad. Kui teadlased ei suuda nullhüpoteesi tagasi lükata, kui nad peaksid seda tegema, teisisõnu, kui nad "avastavad" ei erinevus kahe patsiendikomplekti vahel, kui erinevus tõesti oli, siis on nad toime pannud Tüübi II viga.
Tähtsusastme määramine
Kui teadlased teevad statistilise olulisuse testi ja sellest tulenev p-väärtus on väiksem kui vastuvõetavaks peetud riski tase, siis loetakse testi tulemus statistiliselt oluliseks. Sel juhul lükatakse tagasi nullhüpotees - hüpotees, et kahe rühma vahel pole vahet. Teisisõnu näitavad tulemused, et uuritavat ravimit ja platseebot saavatel patsientidel on paranemisprobleeme erinev.
Olulisuse testi valimine
Valida on mitme erineva statistilise testi vahel. Standardses t-testis võrreldakse kahe andmekogumi keskmisi, näiteks meie uuringuravimi andmed ja platseebo andmed. Paaris t-testi kasutatakse erinevuste tuvastamiseks samas andmekogumis, näiteks enne ja pärast uuringut. Ühesuunaline dispersioonanalüüs (ANOVA) võimaldab võrrelda kolme või enama andmekogumi keskmisi ja kahesuunaline ANOVA võrdleb kahe või enama andmekogumi keskmine vastusena kahele erinevale sõltumatule muutujale, näiteks uuringu erinevatele tugevustele ravim. Lineaarne regressioon võrdleb andmekogumite keskmisi ravigradientide või aja järgi. Iga statistilise testi tulemuseks on olulisuse mõõtmed ehk alfa, mida saab kasutada testi tulemuste tõlgendamiseks.