A statisztikai szignifikancia egy objektív mutató annak megállapítására, hogy a vizsgálat eredményei matematikailag "valósak" és statisztikailag védhetők-e, és nem csak véletlenszerű események. Az általánosan használt szignifikancia tesztek különbségeket keresnek az adathalmazok átlagaiban vagy az eltérésekben az adathalmazok varianciáiban. Az alkalmazott teszt típusa az elemzett adatok típusától függ. A kutatók feladata annak meghatározása, hogy mennyire igényesek az eredmények - más szóval, mekkora kockázatot hajlandók vállalni a tévedésért. A kutatók általában hajlandók elfogadni az 5 százalékos kockázati szintet.
I. típusú hiba: A nullhipotézis téves elutasítása
•••Scott Rothstein / iStock / Getty Images
Kísérleteket végeznek specifikus hipotézisek vagy kísérleti kérdések tesztelésére várt eredménnyel. A nullhipotézis az, amely nem észlel különbséget a két összehasonlított adatsor között. Egy orvosi vizsgálatban például az lehet a nullhipotézis, hogy nincs különbség a javulásban a vizsgált gyógyszert és a placebót kapó betegek között. Ha a kutató tévesen elutasítja ezt a nullhipotézist, amikor valójában igaz, más szóval, ha "észlelik" a különbség a két betegcsoport között, amikor valóban nem volt különbség, akkor I. hiba. A kutatók idő előtt meghatározzák, hogy az I. típusú hiba elkövetésének mekkora kockázatát hajlandók elfogadni. Ez a kockázat egy maximális p-értéken alapul, amelyet elfogadnak a nullhipotézis elutasítása előtt, és alfának hívják.
II. Típusú hiba: Az alternatív hipotézis téves elutasítása
Alternatív hipotézis az, amely különbséget észlel a két összehasonlított adatsor között. Az orvosi vizsgálat esetében különböző szintű javulást várhat a vizsgálati gyógyszert kapó betegeknél és a placebót kapó betegeknél. Ha a kutatók nem utasítják el a nullhipotézist, amikor kellene, más szóval, ha "nem" észlelnek különbség a két betegcsoport között, amikor valóban volt különbség, akkor elkövettek egy Típust II hiba.
A jelentőség szintjének meghatározása
Amikor a kutatók statisztikai szignifikancia tesztet hajtanak végre, és a kapott p-érték kisebb, mint az elfogadhatónak ítélt kockázat szintje, akkor a teszt eredményét statisztikailag szignifikánsnak tekintik. Ebben az esetben a nullhipotézist - azt a hipotézist, miszerint nincs különbség a két csoport között - 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 különböző statisztikai teszt közül lehet választani. A standard t-teszt két adatkészlet átlagát hasonlítja össze, például a vizsgálati gyógyszeradatainkkal és a placebo-adatainkkal. A párosított t-tesztet ugyanazon adathalmaz különbségeinek kimutatására használják, például egy előtte-utána vizsgálatot. Az egyirányú varianciaanalízis (ANOVA) három vagy több adathalmaz átlagát hasonlíthatja össze, és egy kétirányú ANOVA összehasonlítja a két vagy több adatkészlet jelentése két különböző független változóra adott válaszként, például a vizsgálat különböző erősségeire drog. A lineáris regresszió összehasonlítja az adatkészletek átlagát a kezelések vagy az időgradiens mentén. Minden statisztikai teszt szignifikancia vagy alfa méréseket eredményez, amelyek felhasználhatók a teszt eredményeinek értelmezésére.