Кіріспе
Статистикалық гипотезаларды тексеру кезінде, егер нөлдік гипотеза дұрыс болса, кем дегенде "экстремалды" нәтиже өте сирек кездесетін болса, нәтиже статистикалық маңызға ие болады. Ал p мәні – нөлдік гипотезаның дұрыс екендігін ескере отырып, кем дегенде дәл осындай немесе одан да экстремалды нәтиже алу ықтималдығы. Зерттеу стандарттарына сәйкес нәтиже статистикалық маңызды болып есептеледі, егер зерттеу үшін маңыздылық деңгейі деректерді жинау алдында таңдалса және әдетте 5% немесе зерттеу саласына байланысты одан да төмен болады. Кез келген экспериментте немесе популяциядан үлгі алуды қамтитын байқауда, байқалған әсердің себебі тек үлгі алу қателігі болуы мүмкін. Бірақ егер байқалған әсердің p мәні маңыздылық деңгейінен кем (немесе тең) болса, зерттеуші осы әсердің бүкіл популяцияның қасиеттерін көрсететінін қорытындылай алады. Нәтижелердің статистикалық маңыздылығын тексеру әдісі 20-шы ғасырдың басында жасалған. "Маңыздылық" термині мұнда "маңыздылықты" білдірмейді, ал статистикалық маңыздылық – зерттеулік, теориялық немесе практикалық маңыздылықтан өзгеше. Мысалы, "клиникалық маңыздылық" термині емдеу әсерінің практикалық маңыздылығын көрсетеді.
In statistical hypothesis testing, a result has statistical significance when a result at least as "extreme" would be very infrequent if the null hypothesis were true. and the p value of a result, , is the probability of obtaining a result at least as extreme, given that the null hypothesis is true. The result is statistically significant, by the standards of the study, when The significance level for a study is chosen before data collection, and is typically set to 5% or much lower—depending on the field of study. In any experiment or observation that involves drawing a sample from a population, there is always the possibility that an observed effect would have occurred due to sampling error alone. But if the p value of an observed effect is less than (or equal to) the significance level, an investigator may conclude that the effect reflects the characteristics of the whole population,
This technique for testing the statistical significance of results was developed in the early 20th century. The term significance does not imply importance here, and the term statistical significance is not the same as research significance, theoretical significance, or practical significance. For example, the term clinical significance refers to the practical importance of a treatment effect.
Тарих
Статистикалық маңыздылық 18-ғасырға дейін, Джон Арбутнот және Пьер Симон Лапластың еңбектерінде пайда болды, олар ерлер мен әйелдердің тууының тең мүмкіндігі туралы бұрыс гипотезаны қабылдап, адамдардың жыныс арақатынасының p-мәнін есептеді; толық мәліметтер үшін қараңыз. 1925 жылы Рональд Фишер «Зерттеушілерге арналған статистикалық әдістер» атты жарияланымда «маңыздылық сынақтары» деп атаған статистикалық гипотезаны тексеру идеясын ұсынды. Фишер бұрыс гипотезаны қабылдамау үшін қолайлы шекті деңгей ретінде жиырмадан бірін (0.05) ұсынды. 1933 жылғы мақаласында Джерзи Нейман мен Эгон Пирсон осы шекті маңыздылық деңгейі деп атады. Олар кез келген деректерді жинау алдында бұл деңгейді алдын ала белгілеуді ұсынды. Фишер бастапқыда 0.05-ті маңыздылық деңгейі ретінде ұсынғанымен, бұл шекті мәнді бекітуді көздемеген. 1956 жылғы «Статистикалық әдістер және ғылыми қорытындылар» атты еңбегінде ол маңыздылық деңгейін нақты жағдайларға сәйкес белгілеуді ұсынды. Нейман 1937 жылы сенім деңгейлері мен сенімділік аралықтарын енгізді.
Статистикалық гипотезаларды тексерудегі рөлі
Статистикалық маңыздылық статистикалық гипотезаларды тексеруде шешуші роль атқарады. Ол нөлдік гипотезаны қабылдамау немесе сақтап қалу қажеттігін анықтау үшін қолданылады. Нөлдік гипотеза – зерттеліп жатқан құбылыста ешқандай әсердің болмауы туралы гипотеза. Нөлдік гипотезаны қабылдамау үшін, байқалған нәтиже статистикалық маңызды болуы керек, яғни байқалған p-мәні алдын ала белгіленген маңыздылық деңгейінен кем болуы керек. Статистикалық маңыздылығын анықтау үшін зерттеуші p-мәнін есептейді, ол нөлдік гипотеза дұрыс болған жағдайда, байқалатын эффекттің сол шамадағы немесе одан да күштісінің пайда болу ықтималдығын көрсетеді. Статистикалық маңызды нәтиже – байқалған p-мәні 5%-дан кем (немесе тең) болған жағдайдағы нәтиже. Үлгіден дерек алғанда, бұл оның үлестірілімінде 5% болатын қабылдамау аймағын құрайды. Бұл 5% бір жақты тесттегідей, үлестірілімнің бір жағына бөлінеді немесе екі жақты тесттегідей, үлестірілімнің екі жағына бөлінеді, мұнда әр жақ (немесе қабылдамау аймағы) үлестірілімнің 2,5%-ын қамтиды. Бір жақты тестті қолдану зерттеу сұрағының немесе балама гипотезаның бағытты көрсетуіне байланысты, мысалы, заттар тобының салмағы ауыр ма, әлде студенттердің бағалаудағы көрсеткіштері жақсы ма. Екі жақты тест те қолданылуы мүмкін, бірақ ол бір жақты тестке қарағанда әлсіз болады, себебі бір жақты тесттің қабылдамау аймағы нөлдік үлестірілімнің бір жағында шоғырланған және екі жақты тесттің әр қабылдамау аймағынан екі есе үлкен (5%-қа қарсы 2,5%). Нәтижесінде, бір жақты тест қолданылса, нөлдік гипотезаны аз күшті нәтижемен де қабылдамауға болады. Бір жақты тест балама гипотезаның көрсетілген бағыты дұрыс болған жағдайда ғана екі жақты тесттен күштірек болады. Егер ол дұрыс болмаса, онда бір жақты тестте күш болмайды.
To determine whether a result is statistically significant, a researcher calculates a p value, which is the probability of observing an effect of the same magnitude or more extreme given that the null hypothesis is true. and a statistically significant result is one where the observed p value is less than (or equal to) 5%. When drawing data from a sample, this means that the rejection region comprises 5% of the sampling distribution. These 5% can be allocated to one side of the sampling distribution, as in a one tailed test, or partitioned to both sides of the distribution, as in a two tailed test, with each tail (or rejection region) containing 2.5% of the distribution. The use of a one tailed test is dependent on whether the research question or alternative hypothesis specifies a direction such as whether a group of objects is heavier or the performance of students on an assessment is better. A two tailed test may still be used but it will be less powerful than a one tailed test, because the rejection region for a one tailed test is concentrated on one end of the null distribution and is twice the size (5% vs. 2.5%) of each rejection region for a two tailed test. As a result, the null hypothesis can be rejected with a less extreme result if a one tailed test was used. The one tailed test is only more powerful than a two tailed test if the specified direction of the alternative hypothesis is correct. If it is wrong, however, then the one tailed test has no power.
Белгілі бір салалардағы маңыздылық шегі
Физикалық бөлшектер және өндіріс сияқты нақты салаларда статистикалық маңыздылық көбінесе стандартты ауытқудың немесе сигманың (σ) қалыпты үлестірілімінің еселігімен көрсетіледі, мұнда маңыздылық шегі әлдеқайда қатаң деңгейде белгіленеді (мысалы, 5σ). Мысалы, Хиггс бозонының бар екендігіне сенімділік 5σ критерийіне негізделген, бұл шамамен 3,5 миллионнан 1-ге тең p мәнімен сәйкес келеді. Ғылыми зерттеулердің басқа салаларында, мысалы, геномдық ауқымды қатынас зерттеулерінде, жүргізілетін тесттердің саны өте көп болғандықтан, 5-тен төмен маңыздылық деңгейі жиі кездеседі.
Шектеулер
Тек нәтижелерінің статистикалық маңыздылығына ғана назар аударатын зерттеушілер мазмұны терең болмаған және қайталанбас нәтижелерді ұсынуы мүмкін. Статистикалық маңыздылық пен қолданысқа берілетін маңыздылық арасында да ерекшелік бар. Статистикалық маңызды деп табылған зерттеу, міндетті түрде қолданысқа берілетін маңыздылыққа ие болмауы мүмкін.
Қайта жаңғыртылуы
Статистикалық маңызды нәтижелерді қайта табу қиынға түсуі мүмкін.
Кейбір журналдарда шамадан тыс қолданылуы
2010 жылдардан бастап кейбір журналдар маңыздылықты тексеруге, әсіресе α=5% шегін пайдалану, гипотезаның дұрыстығын бағалаудың басты өлшемі ретінде тым көп сүйенуге бола ма деген сұрақ қоя бастады. Кейбір журналдар авторларды тек статистикалық маңыздылықты тексерумен шектелмей, толыққанды талдау жасауға шақырды. Әлеуметтік психология саласында "Негізгі және қолданбалы әлеуметтік психология" журналы жариялаған мақалаларда маңыздылықты тексеруді толығымен тыйым салды, авторлардан гипотезалар мен олардың нәтижесін бағалау үшін басқа әдістерді қолдануды талап етті. Басқа редакторлар бұл тыйымға қатысты: "Basic and Applied Social Psychology журналының жақында p-мәндерін жариялауға салған тыйымы мәселенің өзін шешпейді, себебі ол мәселенің тек бір көрінісін емдеуге бағытталған. Гипотезаны тексеру мен p-мәндерінің өзінде ешқандай қатесі жоқ, егер авторлар, рецензенттер және редакторлар оларды дұрыс қолданса." Кейбір статистиктер дәлелдемелердің баламалы өлшемдерін пайдалануды ұсынады, мысалы, ықтималдық коэффициенттері немесе Байес факторлары. және бұл статистикалық тексерулерге қатысты тәжірибені жақсартуға міндетті түрде әкелмейді. Статистикалық маңыздылықты кеңінен дұрыс емес пайдалану метағылымдағы маңызды зерттеу тақырыбы болып табылады.
Маңыздылықты қайта анықтау
2016 жылы Америка статистикалық қауымдастығы (АСА) p мәндері туралы мәлімдеме жасады, онда «'статистикалық маңыздылықты' (әдетте 'p ≤ 0.05' деп түсіндіріледі) ғылыми жаңалықты (немесе жасырын шындықты) жариялауға рұқсат ету кеңінен қолданылуы ғылыми процестің айтарлықтай бұрмалануына әкеледі» делінген. Басқа зерттеушілер маңыздылық шегін күшейту деректерді іздеу сияқты проблемаларды ушықтыратынын айтты; сондықтан альтернативті ұсыныстар деректерді жинау алдында икемді p мәні шегін таңдап, негіздеуді, немесе p мәнін үздіксіз көрсеткіш ретінде қарастыруды, осылайша шектерді және статистикалық маңыздылықты жоққа шығаруды ұсынады. Сонымен қатар, 0,005-ке өзгерткен жағдайда, зерттеліп отырған эффектің іс жүзінде бар болғанымен, тест оны анықтай алмайтын жалған теріс нәтижелердің ықтималдығы артады. 2019 жылы 800-ден астам статистик және ғалым ғылымда «статистикалық маңыздылық» терминінен бас тартуға шақыратын хабарламаға қол қойды, ал АСА тағы бір ресми мәлімдеме жариялады (2-бет): text=Біз осы арнайы санындағы мақалаларды және басқа да әдебиеттерді қарастырғаннан кейін, «статистикалық маңызды» терминін толығымен қолдануды тоқтату уақыты келді деп қорытындылаймыз. Сондай-ақ, «маңызды түрде өзгеше», «», «маңызды түрде өзгеше емес» сияқты түрі де, сөздермен, кестедегі жұлдызшалармен немесе басқа тәсілмен айтылса да, қолданылмауы керек.