Hvordan beregne betydning

Innhold

• Type I-feil: Feil avvisning av nullhypotesen
• Type II-feil: Å avvise den alternative hypotesen feil
• Bestemme nivået på betydningen
• Velge en signifikansetest

Statistisk betydning er en objektiv indikator på om resultatene fra en studie er matematisk "reelle" og statistisk forsvarbare, snarere enn bare en tilfeldig forekomst. Vanlige brukte signifikansetester ser etter forskjeller i middel til datasett eller forskjeller i varianter av datasett. Type test som blir brukt avhenger av hvilken type data som blir analysert. Det er opp til forskerne å bestemme hvor betydningsfulle de krever at resultatene skal være - med andre ord hvor stor risiko de er villige til å ta for å være galt. Forskere er vanligvis villige til å akseptere et risikonivå på 5 prosent.

Type I-feil: Feil avvisning av nullhypotesen

••• Scott Rothstein / iStock / Getty Images

Eksperimenter blir utført for å teste spesifikke hypoteser, eller eksperimentelle spørsmål med et forventet resultat. En nullhypotese er en som ikke oppdager noen forskjell mellom de to datasettene som blir sammenlignet. I en medisinsk studie, for eksempel, kan nullhypotesen være at det ikke er noen forskjell i forbedring mellom pasienter som mottar studiemedisinen og pasienter som får placebo. Hvis forskeren med feil avviser denne nullhypotesen når den faktisk er sann, med andre ord hvis de "oppdager" en forskjell mellom de to settene med pasienter når det egentlig ikke var noen forskjell, har de begått en type I-feil.Forskere bestemmer på forhånd hvor stor risiko for å begå en type I-feil de er villige til å godta. Denne risikoen er basert på en maksimal p-verdi som de vil akseptere før de avviser nullhypotesen, og kalles alfa.

Type II-feil: Å avvise den alternative hypotesen feil

En alternativ hypotese er en som oppdager en forskjell mellom de to datasettene som blir sammenlignet. Når det gjelder den medisinske studien, kan du forvente å se forskjellige forbedringsnivåer hos pasienter som mottar studiemedisinen og pasienter som fikk placebo. Hvis forskere ikke klarer å avvise nullhypotesen når de burde, med andre ord hvis de "oppdager" ingen forskjell mellom de to pasientene når det virkelig var en forskjell, har de begått en type II-feil.

Bestemme nivået på betydningen

Når forskere utfører en test av statistisk betydning og den resulterende p-verdien er mindre enn risikonivået som anses som akseptabelt, anses testresultatet som statistisk signifikant. I dette tilfellet blir nullhypotesen - hypotesen om at det ikke er noen forskjell mellom de to gruppene - avvist. Resultatene indikerer med andre ord at det er en forskjell i forbedring mellom pasienter som mottar studiemedisinen og pasienter som får placebo.

Velge en signifikansetest

Det er flere forskjellige statistiske tester å velge mellom. En standard t-test sammenligner virkemidlene fra to datasett, for eksempel legemiddeldataene våre og placebodataene våre. En sammenkoblet t-test brukes til å oppdage forskjeller i det samme datasettet, for eksempel en før og etter studie. En enveis variansanalyse (ANOVA) kan sammenligne virkemidlene fra tre eller flere datasett, og en toveis ANOVA sammenligner virkemidlene til to eller flere datasett som svar på to forskjellige uavhengige variabler, for eksempel forskjellige styrker av studere stoff. En lineær regresjon sammenligner middelene til datasettene langs en gradient av behandlinger eller tid. Hver statistiske test vil resultere i mål av betydning, eller alfa, som kan brukes til å tolke testresultatene.