Tilastollinen merkitsevyys on objektiivinen indikaattori siitä, ovatko tutkimuksen tulokset matemaattisesti "todellisia" ja tilastollisesti puolustettavissa eikä vain sattumanvaraisia tapahtumia. Yleisesti käytetyt merkitsevyystestit etsivät eroja tietojoukkojen keskiarvoissa tai eroja tietojoukkojen variansseissa. Käytettävä testityyppi riippuu analysoitavien tietojen tyypistä. Tutkijoiden on määritettävä, kuinka merkittävät he tarvitsevat tulosten - toisin sanoen kuinka suuren riskin he ovat valmiita ottamaan väärin. Tyypillisesti tutkijat ovat valmiita hyväksymään 5 prosentin riskitason.
Tyypin I virhe: Null-hypoteesin väärä hylkääminen
•••Scott Rothstein / iStock / Getty Images
Kokeita tehdään tiettyjen hypoteesien tai kokeellisten kysymysten testaamiseksi odotetulla tuloksella. Nollahypoteesi on sellainen, joka ei havaitse eroa vertailtavien kahden tietojoukon välillä. Esimerkiksi lääketieteellisessä tutkimuksessa nollahypoteesi voi olla, että parannuserossa ei ole eroa tutkimuslääkettä saaneiden potilaiden ja lumelääkettä saaneiden potilaiden välillä. Jos tutkija hylkää virheellisesti tämän nollahypoteesin, vaikka se onkin totta, toisin sanoen jos "havaitsee" a ero kahden potilasryhmän välillä, kun eroa ei todellakaan ollut, he ovat sitoutuneet tyypin I virhe. Tutkijat määrittelevät etukäteen, kuinka suuren riskin tyypin I virheen tekemisestä he ovat valmiita hyväksymään. Tämä riski perustuu maksimaaliseen p-arvoon, jonka he hyväksyvät ennen nollahypoteesin hylkäämistä, ja sitä kutsutaan alfaksi.
Tyypin II virhe: Vaihtoehtoisen hypoteesin hylkääminen väärin
Vaihtoehtoinen hypoteesi on sellainen, joka havaitsee eron vertailtavien kahden tietojoukon välillä. Lääketieteellisen tutkimuksen tapauksessa voit odottaa näkevänsi erilaisia parannuksia tutkittavaa lääkettä saavilla potilailla ja lumelääkettä saaneilla potilailla. Jos tutkijat eivät hylkää nullhypoteesia, kun heidän pitäisi, toisin sanoen, jos he "havaitsevat" ei ero kahden potilasryhmän välillä, kun eroa todellakin oli, he ovat sitoutuneet tyypin II virhe.
Merkityksen tason määrittäminen
Kun tutkijat suorittavat tilastollisen merkitsevyyden testin ja tuloksena oleva p-arvo on pienempi kuin hyväksyttävänä pidetyn riskin taso, testitulosta pidetään tilastollisesti merkitsevänä. Tässä tapauksessa nollahypoteesi - oletus, jonka mukaan näiden kahden ryhmän välillä ei ole eroa - hylätään. Toisin sanoen tulokset osoittavat, että parannuserossa on eroja tutkimuslääkettä saaneiden ja lumelääkettä saaneiden potilaiden välillä.
Merkitystestin valitseminen
Valittavana on useita erilaisia tilastollisia testejä. Tavallisessa t-testissä verrataan kahden aineiston keskiarvoja, kuten tutkimuslääketietomme ja lumelääketietomme. Parillista t-testiä käytetään saman tietojoukon erojen havaitsemiseksi, kuten ennen ja jälkeen -tutkimus. Yksisuuntainen varianssianalyysi (ANOVA) voi verrata kolmen tai useamman tietojoukon keskiarvoja, ja kaksisuuntainen ANOVA vertaa kahden tai useamman tietojoukon keskiarvo vastauksena kahteen eri riippumattomaan muuttujaan, kuten tutkimuksen eri vahvuudet huume. Lineaarinen regressio vertaa tietojoukkojen keskiarvoa käsittelyjen tai ajan gradientin mukaan. Jokaisesta tilastollisesta testistä saadaan merkitsevyysmitta tai alfa, jota voidaan käyttää testitulosten tulkinnassa.