Statistiskā nozīmība ir objektīvs rādītājs tam, vai pētījuma rezultāti ir matemātiski "reāli" un statistiski pamatojami, nevis tikai gadījuma gadījumi. Parasti izmantotie nozīmīguma testi meklē atšķirības datu kopu vidējos vai atšķirības datu kopu dispersijās. Pielietojamā testa veids ir atkarīgs no analizējamo datu veida. Pētnieku ziņā ir noteikt, cik nozīmīgi viņiem ir vajadzīgi rezultāti - citiem vārdiem sakot, cik lielu risku viņi vēlas uzņemties kļūdīties. Parasti pētnieki ir gatavi pieņemt 5 procentu riska līmeni.
I tipa kļūda: nepareizi noraidīta nulles hipotēze
•••Skots Rotšteins / iStock / Getty Images
Eksperimenti tiek veikti, lai pārbaudītu konkrētas hipotēzes vai eksperimentālos jautājumus ar paredzamo rezultātu. Nulles hipotēze ir tāda, kas nenosaka atšķirību starp abiem salīdzinātajiem datu kopumiem. Piemēram, medicīniskā pētījumā nulles hipotēze varētu būt tāda, ka uzlabošanās nav atšķirīga starp pacientiem, kuri saņem pētāmās zāles, un pacientiem, kuri saņem placebo. Ja pētnieks kļūdaini noraida šo nulles hipotēzi, kad tā patiesībā ir patiesa, citiem vārdiem sakot, ja viņi "atklāj" a atšķirība starp abiem pacientu kopumiem, kad atšķirības patiešām nebija, tad viņi ir izdarījuši I tipu kļūda. Pētnieki pirms laika nosaka, cik lielu risku izdarīt I tipa kļūdu viņi ir gatavi pieņemt. Šis risks ir balstīts uz maksimālo p vērtību, kuru viņi pieņems pirms nulles hipotēzes noraidīšanas, un to sauc par alfa.
II tipa kļūda: nepareizi noraidīta alternatīvā hipotēze
Alternatīva hipotēze ir tā, kas nosaka atšķirību starp abiem salīdzinātajiem datu kopumiem. Medicīniskā izmēģinājuma gadījumā jūs varētu sagaidīt atšķirīgu uzlabojumu līmeni pacientiem, kuri saņem pētāmās zāles, un pacientiem, kuri saņem placebo. Ja pētnieki nespēj noraidīt nulles hipotēzi, kad tas būtu jādara, citiem vārdiem sakot, ja viņi "atklāj" nē atšķirība starp abiem pacientiem, kad tiešām bija atšķirība, tad viņi ir izdarījuši tipu II kļūda.
Nozīmības līmeņa noteikšana
Kad pētnieki veic statistiski nozīmīgas pārbaudes testu un iegūtā p vērtība ir mazāka par riska līmeni, ko uzskata par pieņemamu, tad testa rezultāts tiek uzskatīts par statistiski nozīmīgu. Šajā gadījumā tiek noraidīta nulles hipotēze - hipotēze, ka starp abām grupām nav atšķirību. Citiem vārdiem sakot, rezultāti norāda, ka uzlabošanās atšķiras starp pacientiem, kuri lieto pētāmās zāles, un pacientiem, kuri saņem placebo.
Nozīmības testa izvēle
Ir vairāki dažādi statistikas testi, no kuriem izvēlēties. Standarta t-tests salīdzina vidējos rādītājus no divām datu kopām, piemēram, mūsu pētījuma zāļu datiem un mūsu placebo datiem. Pāris t-tests tiek izmantots, lai noteiktu atšķirības vienā un tajā pašā datu kopā, piemēram, pirms un pēc pētījuma. Vienvirziena dispersijas analīze (ANOVA) var salīdzināt vidējos rādītājus no trim vai vairākām datu kopām, un divvirzienu ANOVA salīdzina divu vai vairāku datu kopu līdzekļi, reaģējot uz diviem dažādiem neatkarīgiem mainīgajiem, piemēram, dažādiem pētījuma stiprumiem narkotiku. Lineārā regresija salīdzina datu kopu vidējo līmeni pa ārstēšanas gradientu vai laiku. Katra statistiskā testa rezultātā tiks iegūti nozīmīguma vai alfa rādītāji, kurus var izmantot testa rezultātu interpretēšanai.