Тест за статистичка значајност
Во квантитативните истражувања, едно од најчестите прашања е: дали разликите или врските забележани во податоците се навистина „реални“ или се едноставно случајност предизвикана од случајна варијација? За да одговорат на ова, истражувачите користат тестови за статистичка значајност. Овие тестови помагаат да се утврди дали резултатите добиени од примерокот се доволно силни за да се генерализираат на популацијата, врз основа на специфична рамка на веројатност. Иако терминологијата може да звучи технички, основниот концепт е едноставен: го споредуваме она што го набљудуваме со она што би се случило доколку немало ефект.
Дефиниција и цел
Тестот за статистичка значајност е формална постапка што се користи за проценка на доказите од податоците за изјава (хипотеза) за популацијата. Неговата примарна цел е да утврди дали ефектот - на пример, разликата помеѓу две групни средни вредности, корелацијата помеѓу две варијабли или ефектот од третманот - е доволно голем и конзистентен за да биде малку веројатно да се појави случајно.
Во пракса, тестовите за значајност не „докажуваат“ дека теоријата е вистинита, туку даваат мерка за тоа колку силно податоците ја отфрлаат одредена претпоставка. Тука е важно да се разбере дека статистиката функционира во рамките на неизвесност. Не постои апсолутна сигурност, туку степен на доверба поткрепен од податоците.
Нулта хипотеза и алтернативна хипотеза
Тестовите за значајност генерално се градат врз основа на две тврдења:
1. Нулта хипотеза (H₀): наведува дека нема разлика, нема врска или нема влијание. На пример: „Просечната оценка од класа А е иста како и од класа Б“ или „Нема врска помеѓу часовите на учење и резултатите од испитите“.
2. Алтернативна хипотеза (H₁ или Hₐ): наведува дека постои разлика, врска или влијание. На пример: „Просечната оценка од клас А е различна од клас Б“ или „Постои врска помеѓу часовите на учење и резултатите од испитите“.
Тестовите за значајност работат врз основа на почетната претпоставка дека H₀ е точно. Потоа, податоците се анализираат за да се види дали резултатите се исклучително ретки ако H₀ е точно. Ако се ретки, имаме тенденција да го отфрлиме H₀.
p вредноста (p-вредност) и нејзиното значење
Централниот концепт во тестирањето на значајност е p-вредноста. Едноставно кажано, p-вредноста е веројатноста за добивање резултат барем толку екстремен како оној што е забележан во податоците, под претпоставка дека нултата хипотеза е точна.
– Ако p е мало, тоа значи дека набљудуваните резултати ретко се појавуваат кога H₀ е точно, па затоа имаме причина да го отфрлиме H₀.
– Ако p е големо, тоа значи дека набљудуваните резултати сè уште се веројатни да се случат ако H₀ е точно, па затоа немаме доволно докази за да го отфрлиме H₀.
Сепак, p-вредноста често е погрешно разбрана. p-вредноста не е веројатноста дека H₀ е точно или неточно. Ниту пак е мерка за големината на ефектот. p-вредноста едноставно ја покажува јачината на доказите против H₀ во рамките на одредена рамка.
Ниво на значајност (α)
За да донесат одлука, истражувачите поставуваат ниво на значајност, означено со α (алфа). Најчесто користените вредности се 0,05 (5%) или 0,01 (1%). Правилото е:
– Ако p ≤ α, резултатите се сметаат за статистички значајни, а H₀ се отфрла.
– Ако p > α, резултатот не е значаен, а H₀ не е отфрлен.
Изборот на α не е чисто техничка одлука, туку го зема предвид и контекстот. На пример, во медицинските истражувања што вклучуваат безбедност на пациентите, истражувачите би можеле да изберат построг α (0,01) за да го намалат ризикот од лажни заклучоци.
Грешки од тип I и тип II
Бидејќи статистичките тестови вклучуваат донесување одлуки под неизвесност, секогаш постои можност за грешка:
1. Грешка од тип I (лажно позитивно): отфрлање на H₀ кога H₀ е точно. Веројатноста е контролирана од α.
2. Грешка од тип II (лажно негативно): неуспешно отфрлање на H₀ кога H₁ е точно. Веројатноста се означува со β (бета); инверзната се нарекува степен, што е 1 − β.
Во контексти од реалниот свет, двата вида грешки можат да имаат значајни последици. На пример, претпоставката дека лекот е ефикасен кога не е (Тип I) може да биде штетна, додека претпоставката дека лекот е неефикасен кога е всушност ефикасен (Тип II) може да доведе до пропуштени терапевтски можности.
Вообичаени видови тестови за значајност
Постојат многу тестови за значајност, а изборот зависи од целта, видот на податоците и претпоставките што се исполнуваат. Некои од најчесто користените се:
– Т-тест: споредува средни вредности на две групи (на пр., експериментална наспроти контролна). Постојат независни и парни верзии на t-тест.
– ANOVA: споредува просек од повеќе од две групи (на пр. три методи на учење).
– Тест на хи-квадрат: ја тестира врската помеѓу категорични варијабли (на пр. пол и избор на насока).
– Пирсон/Спирманова корелација: ја тестира врската помеѓу две нумерички променливи (Пирсон за нормални податоци, Спирман за ординални/ненормални податоци).
– Линеарна/логистичка регресија: го тестира влијанието на една или повеќе предикторски променливи врз исходната променлива.
Секој тест има претпоставки, како што се нормалност, хомогеност на варијансата или независност на податоците. Прекршувањето на овие претпоставки може да доведе до погрешни резултати од тестот, па затоа дијагнозата на податоци и предусловите за тестирање се од суштинско значење.
Статистичка значајност наспроти практична значајност
Една критика за тестирањето на значајност е тоа што истражувачите премногу се фокусираат на тоа дали е „значајно“ или „незначајно“, без да ги земат предвид неговите практични импликации. Со многу големи примероци, малите разлики можат да бидат статистички значајни, иако нивното влијание е едвај забележливо. Спротивно на тоа, со мали примероци, ефектите што се всушност доста важни може да не достигнат значајност поради недоволна моќност.
Затоа, тестовите за значајност секогаш треба да бидат придружени со:
– Големини на ефекти како што се Коеновиот d, ета-квадрат или коефициентот на веројатност.
– Интервал на доверба за да се прикаже опсегот на разумни вредности на параметрите.
Комбинацијата од p-вредност, големина на ефектот и интервал на доверба дава поцелосна слика: не само „постои ефект или не“, туку „колку е голем ефектот и колку можеме да бидеме сигурни во врска со таа проценка“.
Општи чекори за спроведување на тест за значајност
Општо земено, постапката е:
1. Формулирајте H₀ и H₁ според истражувачките прашања.
2. Определете α (на пр. 0,05).
3. Изберете го вистинскиот тест според видот на податоците и дизајнот на истражувањето.
4. Проверете ги претпоставките за тестирање (нормалност, варијанса, независност итн.).
5. Пресметајте ја статистиката за тестот и добијте ја p-вредноста.
6. Споредете ја p-вредноста со α и извлечете заклучоци.
7. Целосно пријавете ги резултатите, вклучувајќи ги големините на ефектите и интервалите на доверба каде што е можно.
Доброто известување вклучува и контекст, како што се карактеристиките на примерокот, методите на мерење и потенцијалната пристрасност.
Затворање
Тестовите за статистичка значајност се важни алатки за проценка дали наодите од податоците веројатно ги одразуваат условите на популацијата или се едноставно резултат на случајна варијација. Сепак, овие тестови не се единствениот арбитер на научната вистина. p-вредноста мора да се разбере прецизно, во комбинација со големината на ефектот, интервалот на доверба и контекстуалната проценка на релевантноста на резултатите.
Кога се користат правилно, тестовите за значајност помагаат истражувањето да биде пообјективно и поодговорно. Обратно, ако се користат механички без да се разберат нивните претпоставки и ограничувања, тие можат да доведат до погрешни заклучоци. Затоа, концептуалното разбирање, внимателното толкување и транспарентното известување се клучни за користење на тестовите за значајност за поддршка на одлуките засновани на податоци.
