სტატისტიკური მნიშვნელობა არის ობიექტური მაჩვენებელი იმისა, არის თუ არა კვლევის შედეგები მათემატიკურად "რეალური" და სტატისტიკურად დასაცავი, ვიდრე მხოლოდ შემთხვევითი მოვლენა. ჩვეულებრივ გამოყენებული მნიშვნელობის ტესტები ეძებენ განსხვავებებს მონაცემთა ნაკრებების საშუალებებში ან სხვაობებს მონაცემთა ნაკრებების ვარიანტებში. გამოყენებული ტესტის ტიპი დამოკიდებულია მონაცემთა ანალიზზე. მკვლევარებმა უნდა დაადგინონ, რამდენად მნიშვნელოვან შედეგებს მოითხოვენ ისინი - სხვა სიტყვებით რომ ვთქვათ, რამდენად რისკზე აპირებენ შეცდომას. როგორც წესი, მკვლევარები მზად არიან მიიღონ რისკის 5 პროცენტი.
I ტიპის შეცდომა: Null ჰიპოთეზის არასწორად უარყოფა
•••სკოტ როტშტაინი / iStock / გეტის სურათები
ექსპერიმენტები ტარდება კონკრეტული ჰიპოთეზების, ან ექსპერიმენტული კითხვების გასამოწმებლად, მოსალოდნელი შედეგით. ნულოვანი ჰიპოთეზა არის ის, რომლითაც არ ხდება განსხვავება შედარებული მონაცემების ორ ჯგუფს შორის. სამედიცინო გამოკვლევის დროს, მაგალითად, ნულოვანი ჰიპოთეზა შეიძლება ითქვას, რომ არ არსებობს განსხვავება გაუმჯობესებაში იმ პაციენტებს შორის, რომლებიც იღებენ სასწავლო პრეპარატს და პაციენტებს, რომლებიც იღებენ პლაცებოს. თუ მკვლევარი არასწორად უარყოფს ამ ნულოვან ჰიპოთეზას, როდესაც ის სინამდვილეში სიმართლეა, სხვა სიტყვებით რომ ვთქვათ, თუ ისინი განსხვავება პაციენტების ორ ჯგუფს შორის, როდესაც განსხვავება ნამდვილად არ ყოფილა, მათ ჩაიდინეს I ტიპი შეცდომა მკვლევარებმა წინასწარ განსაზღვრავენ, თუ რამდენად დიდი რისკის მიღებას აპირებენ I ტიპის შეცდომა. ეს რისკი ემყარება მაქსიმალურ p მნიშვნელობას, რომელსაც ისინი მიიღებენ ნულოვანი ჰიპოთეზის უარყოფამდე და მას ალფა ეწოდება.
II ტიპის შეცდომა: ალტერნატიული ჰიპოთეზის არასწორად უარყოფა
ალტერნატიული ჰიპოთეზა არის ის, რომელიც ადგენს სხვაობას შედარებული მონაცემების ორ ჯგუფს შორის. სამედიცინო გამოკვლევის შემთხვევაში, თქვენ ელით სხვადასხვა დონის გაუმჯობესებას პაციენტებში, რომლებიც იღებენ საკვლევ წამლებს და პაციენტებს, რომლებიც იღებენ პლაცებოს. თუ მკვლევარებმა უარი თქვეს ნულოვანი ჰიპოთეზაზე, როდესაც ეს საჭირო იქნება, სხვა სიტყვებით რომ ვთქვათ, თუ ისინი „გამოავლენენ“ არა განსხვავება ორ ჯგუფს შორის, როდესაც ნამდვილად იყო განსხვავება, მათ ჩაიდინეს ტიპი II შეცდომა.
მნიშვნელობის დონის დადგენა
როდესაც მკვლევარები ატარებენ სტატისტიკური მნიშვნელობის ტესტს და შედეგად p- მნიშვნელობა ნაკლებია რისკის დონეზე, რომელიც მისაღებია, მაშინ ტესტის შედეგი ითვლება სტატისტიკურად მნიშვნელოვნად. ამ შემთხვევაში უარყოფილია ნულოვანი ჰიპოთეზა - ჰიპოთეზა, რომ არ არსებობს განსხვავება ორ ჯგუფს შორის. სხვა სიტყვებით რომ ვთქვათ, შედეგები მიუთითებს, რომ განსხვავებაა გაუმჯობესებაში პაციენტებს, რომლებიც იღებენ საკვლევ წამლებს და პაციენტებს, რომლებიც იღებენ პლაცებოს.
მნიშვნელოვანი ტესტის არჩევა
რამდენიმე სხვადასხვა სტატისტიკური ტესტი არსებობს, რომლითაც შეგიძლიათ აირჩიოთ. სტანდარტული t- ტესტი ადარებს მონაცემებს ორი მონაცემების ნაკრებიდან, მაგალითად, ჩვენი კვლევის შესახებ წამლის მონაცემები და ჩვენი პლაცებო მონაცემები. დაწყვილებული t ტესტი გამოიყენება მონაცემთა იგივე ნაკრებში, მაგალითად, წინა და შემდეგ შესწავლისას, განსხვავების დასადგენად. ვარიანტების ცალმხრივი ანალიზი (ANOVA) შეუძლია შედარების საშუალებები სამი ან მეტი მონაცემების ნაკრებიდან, ხოლო ორმხრივი ANOVA შედარება ორი ან მეტი მონაცემთა ნაკრების საშუალებით ორი განსხვავებული დამოუკიდებელი ცვლადის საპასუხოდ, მაგალითად, კვლევის განსხვავებული სიძლიერე ნარკოტიკი. ხაზოვანი რეგრესია ადარებს მონაცემთა ნაკრების საშუალებებს მკურნალობის გრადიენტურობის ან დროის გასწვრივ. თითოეული სტატისტიკური ტესტის შედეგად მიიღება მნიშვნელობის ან ალფა ზომები, რომლის საშუალებითაც შეიძლება ტესტის შედეგების ინტერპრეტაცია.