Statistinis reikšmingumas yra objektyvus rodiklis, rodantis, ar tyrimo rezultatai yra matematiškai „tikri“ ir statistiškai pateisinami, o ne tik atsitiktinis įvykis. Dažniausiai naudojami reikšmingumo testai ieško duomenų rinkinių vidurkių skirtumų arba duomenų rinkinių dispersijų skirtumų. Taikomo testo tipas priklauso nuo analizuojamų duomenų tipo. Tyrėjai turi nustatyti, kiek reikšmingi jiems reikalingi rezultatai - kitaip tariant, kiek rizikos jie nori prisiimti klydę. Paprastai tyrėjai nori sutikti su 5 procentų rizikos lygiu.
I tipo klaida: neteisingai atmetama Null hipotezė
•••Scottas Rothsteinas / „iStock“ / „Getty Images“
Eksperimentai atliekami siekiant patikrinti konkrečias hipotezes arba eksperimentinius klausimus su laukiamu rezultatu. Nulinė hipotezė neatrodo jokio skirtumo tarp dviejų lyginamų duomenų rinkinių. Pavyzdžiui, atliekant medicininį tyrimą, nulinė hipotezė gali būti ta, kad pagerėjimo skirtumų tarp pacientų, vartojančių tiriamąjį vaistą, ir pacientų, vartojančių placebą, nėra. Jei tyrėjas neteisingai atmeta šią nulinę hipotezę, kai ji iš tikrųjų yra teisinga, kitaip tariant, jei jie „aptinka“ a skirtumas tarp dviejų pacientų grupių, kai iš tikrųjų nebuvo jokio skirtumo, tada jie padarė I tipo klaida. Tyrėjai iš anksto nustato, kokią riziką padaryti I tipo klaidą jie nori priimti. Ši rizika pagrįsta maksimalia p verte, kurią jie priims prieš atmesdami nulinę hipotezę, ir ji vadinama alfa.
II tipo klaida: neteisingai atmetama alternatyvi hipotezė
Alternatyvi hipotezė yra ta, kuri nustato skirtumą tarp dviejų lyginamų duomenų rinkinių. Medicininio tyrimo atveju turėtumėte pastebėti skirtingą pacientų, vartojančių tiriamąjį vaistą, ir pacientų, vartojančių placebą, patobulinimų lygį. Jei tyrėjai nesugeba atmesti nulinės hipotezės tada, kai turėtų, kitaip tariant, jei „aptinka“ ne skirtumas tarp dviejų pacientų grupės, kai iš tikrųjų buvo skirtumas, tada jie padarė tipą II klaida.
Svarbumo lygio nustatymas
Kai tyrėjai atlieka statistinio reikšmingumo testą ir gaunama p reikšmė yra mažesnė už priimtinu laikomą rizikos lygį, bandymo rezultatas laikomas statistiškai reikšmingu. Šiuo atveju atmetama nulinė hipotezė - hipotezė, kad nėra skirtumo tarp dviejų grupių. Kitaip tariant, rezultatai rodo, kad tarp pacientų, vartojančių tiriamąjį vaistą, ir pacientų, vartojusių placebą, pagerėjimas skiriasi.
Reikšmingumo testo pasirinkimas
Galima rinktis iš kelių skirtingų statistinių testų. Standartiniame t teste palyginamos dviejų duomenų rinkinių, tokių kaip mūsų tiriamųjų vaistų ir placebo duomenys, vidurkis. Porinis t-testas naudojamas nustatyti to paties duomenų rinkinio skirtumus, pavyzdžiui, prieš ir po tyrimo. Vienpusė variacijos analizė (ANOVA) gali palyginti trijų ar daugiau duomenų rinkinių vidurkius, o dvipusė ANOVA lygina dviejų ar daugiau duomenų rinkinių, atsižvelgiant į du skirtingus nepriklausomus kintamuosius, pvz., skirtingas stiprybes, tyrimo priemonės narkotikas. Linijinė regresija palygina duomenų rinkinių vidurkius pagal gydymo gradientą arba laiką. Kiekvieno statistinio testo metu bus gauti reikšmingumo matai arba alfa, kuriuos galima naudoti interpretuojant bandymo rezultatus.