Sisältö
- Tyypin I virhe: Nollahypoteesin hylkääminen väärin
- Tyypin II virhe: Vaihtoehtoisen hypoteesin hylkääminen väärin
- Merkitystason määrittäminen
- Merkitystestin valitseminen
Tilastollinen merkitsevyys on objektiivinen indikaattori, joka osoittaa, ovatko tutkimuksen tulokset matemaattisesti "todellisia" ja tilastollisesti puolustettavissa, eikä vain sattumanvaraista. Yleisesti käytetyt merkitsevyystestit etsivät eroja tietojoukkojen keskiarvoissa tai eroja tietojoukkojen variansseissa. Käytettävän testin tyyppi riippuu analysoitavan tiedon tyypistä. Tutkijoiden on itse päätettävä, kuinka merkittäviä he vaativat tulosten olevan - toisin sanoen, kuinka paljon riskiä he ovat valmiita ottamaan väärin. Tyypillisesti tutkijat ovat valmiita hyväksymään 5 prosentin riskitaso.
Tyypin I virhe: Nollahypoteesin hylkääminen väärin
••• Scott Rothstein / iStock / Getty ImagesKokeita suoritetaan tiettyjen hypoteesien tai kokeellisten kysymysten testaamiseksi odotetulla tuloksella. Nollahypoteesi on sellainen, joka ei havaitse eroa kahden vertailtavan tietojoukon välillä. Esimerkiksi lääketieteellisessä tutkimuksessa nollahypoteesi voi olla, että paranemisessa ei ole eroja tutkimuslääkettä saaneiden ja lumelääkettä saaneiden potilaiden välillä. Jos tutkija hylkää väärin tämän nollahypoteesin, kun se on totta, toisin sanoen, jos he "havaitsevat" eron kahden potilasryhmän välillä, kun eroa ei todellakaan ollut, niin he ovat tehneet tyypin I virheen.Tutkijat määrittelevät etukäteen, kuinka suuri riski tyyppi I -virheen tekemisestä he ovat valmiita hyväksymään. Tämä riski perustuu maksimiarvoon p-arvo, jonka he hyväksyvät ennen nollahypoteesin hylkäämistä, ja sitä kutsutaan alfaksi.
Tyypin II virhe: Vaihtoehtoisen hypoteesin hylkääminen väärin
Vaihtoehtoinen hypoteesi on sellainen, joka havaitsee eron kahden vertailtavan tietojoukon välillä. Lääketieteellisen tutkimuksen tapauksessa voidaan odottaa erilaista parannusta potilailla, jotka saavat tutkimuslääkettä, ja potilailla, jotka saavat lumelääkettä. Jos tutkijat eivät hylkää nollahypoteesia, kun heidän pitäisi, toisin sanoen, jos "havaitsevat" eroa kahden potilasryhmän välillä, kun ero todella oli, he ovat tehneet tyypin II virheen.
Merkitystason määrittäminen
Kun tutkijat suorittavat tilastollisen merkitsevyystestin ja tuloksena oleva p-arvo on pienempi kuin hyväksyttäväksi katsottu riskitaso, testitulosta pidetään tilastollisesti merkittävänä. Tässä tapauksessa nollahypoteesi - hypoteesi, jonka mukaan kahden ryhmän välillä ei ole eroa - hylätään. Toisin sanoen tulokset osoittavat, että tutkimuslääkettä saaneiden ja lumelääkettä saaneiden potilaiden välillä on eroja paranemisessa.
Merkitystestin valitseminen
Valittavana on useita erilaisia tilastollisia testejä. Tavallisessa t-testissä verrataan kahden tietojoukon, kuten tutkimuslääketietojemme ja lumelääketietojemme keskiarvoja. Parillista t-testiä käytetään havaitsemaan eroja samassa tietojoukossa, kuten ennen ja jälkeen tutkimus. Yhdensuuntainen varianssianalyysi (ANOVA) voi verrata kolmen tai useamman tietojoukon keskiarvoja, ja kaksisuuntainen ANOVA vertaa kahden tai useamman tietojoukon keskiarvoja vasteena kahta erilaista riippumatonta muuttujaa, kuten esimerkiksi tutkimuslääke. Lineaarisella regressiolla verrataan tietojoukkojen keskiarvoja hoidon tai ajan gradientilla. Jokainen tilastollinen testi johtaa merkitsevyysmittoihin (alfa), joita voidaan käyttää tulosten tulkintaan.