Ниво значајности у статистици је важан показатељ који одражава степен повјерења у тачност и истинитост примљених (предвиђених) података. Концепт се широко користи у разним областима: од спровођења социолошких истраживања, до статистичког испитивања научних хипотеза.
Дефиниција
Ниво статистичке значајности (или статистички значајан резултат) показује колика је вероватноћа случајне појаве испитиваних показатеља. Општи статистички значај појаве изражава се коефицијентом п-вредности (п-ниво). У било којем експерименту или опажању, вероватно је да су добијени подаци последица грешака у узорковању. То се посебно односи на социологију.
Односно, статистика је статистички значајна чија је вероватноћа случајне појаве изузетно мала или склон крајности. Екстремни у овом контексту сматра се степеном одступања статистике од нулте хипотезе (хипотеза која се проверава у складу са добијеним подацима узорка). У научној пракси, ниво значајности се бира пре прикупљања података и по правилу је његов коефицијент 0,05 (5%). За системе где су тачне вредности изузетно важне, овај показатељ може бити 0,01 (1%) или мањи.
Позадина
Концепт нивоа значајности увео је британски статистичар и генетичар Роналд Фисхер 1925. године, када је развио методологију за тестирање статистичких хипотеза. Када се анализира процес, постоји вероватна појава одређених појава. Потешкоће настају приликом рада са малим (или не очигледним) процентним вероватноћама које спадају у концепт "грешке мерења".
Када раде са статистикама које нису довољно специфичне за верификацију, научници су се суочили са проблемом нулте хипотезе која „омета“ мале количине. Фисхер је предложио дефинисање таквих система вероватноћа догађаја 5% (0,05) као погодан селективни рез, који вам омогућава да одбаците нулту хипотезу у прорачунима.
Увођење фиксног коефицијента
1933., научници Јерзи Неуманн и Егон Пеарсон у својим су радовима препоручили унапријед (прије прикупљања података) да би утврдили одређени ниво значаја. Примјери употребе ових правила су јасно видљиви током избора. Претпоставимо да постоје два кандидата, од којих је један веома популаран, а други је мало познат. Очигледно је да је први кандидат победио на изборима, а шансе другог су на нули. Они теже - али нису једнаки: увек постоји вероватноћа више силе, сензационалне информације, неочекиване одлуке које могу променити предвиђене изборне резултате.
Неуманн и Пеарсон су се сложили да је Фисхер-ов предложени ниво значајности од 0,05 (означен симболом α) најприкладнији. Међутим, и сам Фисхер 1956. године успротивио се фиксирању ове вредности. Вјеровао је да ниво α треба успоставити у складу са специфичним околностима. На пример, у физици честица је 0,01.
П-вредност
Израз п-вредност први пут је коришћен у Бровнлеиевом раду 1960. године. П-ниво (п-вредност) је показатељ који је обрнуто повезан са истинитошћу резултата. Највиша п-вредност коефицијента одговара најнижем степену поверења у узорку зависности између променљивих.
Ова вредност одражава вероватноћу грешака повезаних са интерпретацијом резултата. Претпоставимо да је п-ниво = 0,05 (1/20). Показује вјероватноћу од пет посто да је однос између варијабли које се налазе у узорку само случајна карактеристика узорка.То јест, ако је та зависност одсутна, онда се понављаним таквим експериментима, у просеку, у свакој двадесетој студији може очекивати једнака или већа зависност између променљивих. Често се п-ниво сматра „прихватљивим маргином“ нивоа грешке.
Узгред, п-вредност можда не одражава стварни однос између променљивих, већ показује само одређену просечну вредност унутар претпоставки. Конкретна, коначна анализа података такође ће зависити од одабраних вредности овог коефицијента. Са нивоом п = 0,05, доћи ће до неких резултата, а са коефицијентом 0,01.
Тестирање статистичких хипотеза
Ниво статистичке значајности је посебно важан приликом тестирања хипотеза. На примјер, приликом израчунавања двостраног теста, подручје одбацивања се дијели подједнако на оба краја дистрибуције узорка (у односу на нулу координату) и израчунава се истинитост података.
Претпоставимо да се приликом праћења одређеног процеса (феномена) показало да нове статистичке информације указују на мале промене у односу на претходне вредности. Штавише, одступања у резултатима су мала, нису очигледна, али су важна за студију. Дилема се поставља пред стручњаком: да ли се промене заиста дешавају или се ради о грешкама узорковања (нетачним мерењима)?
У овом случају се нулта хипотеза користи или одбацује (све се приписује грешци или се промена у систему препознаје као фајт прикладно). Процес решавања проблема заснован је на односу укупне статистичке значајности (п-вредности) и нивоа значајности (α). Ако је п-ниво <α, тада се нулта хипотеза одбацује. Што је мања п-вредност, то је значајнија статистика теста.
Коришћене вредности
Ниво значајности зависи од материјала који се анализира. У пракси се користе следеће фиксне вредности:
- α = 0,1 (или 10%);
- α = 0,05 (или 5%);
- α = 0,01 (или 1%);
- α = 0,001 (или 0,1%).
Што су тачнији прорачуни потребни, коефицијент α је нижи. Наравно, статистичке прогнозе из физике, хемије, фармације, генетике захтевају већу тачност него у политологији, социологији.
Прагови важности за одређене области
У областима високе прецизности, као што су физика честица и производне активности, статистичка значајност се често изражава као однос стандардне девијације (означен сигма коефицијентом - σ) у односу на нормалну дистрибуцију вероватноће (Гауссова расподела). σ је статистички индикатор који одређује дисперзију вредности одређене вредности у односу на математичка очекивања. Користи се за цртање вероватноће догађаја.
Коефицијент σ у зависности од поља знања увелико варира. На пример, при предвиђању постојања Хигсовог бозона, параметар σ је пет (σ = 5), што одговара вредности п-вредности = 1 / 3,5 милиона.У истраживањима генома ниво значајности може бити 5 × 10-8које нису ретке за ово подручје.
Ефикасност
Имајте на уму да коефицијенти α и п-вредности нису тачне карактеристике. Без обзира на ниво значаја у статистици испитиваног феномена, то није безусловна основа за прихватање хипотезе. На пример, што је мања вредност α, већа је шанса да је утврђена хипотеза значајна. Међутим, постоји ризик од грешке, што смањује статистичку снагу (значај) студије.
Истраживачи који се фокусирају само на статистички значајне резултате могу добити погрешне закључке. Истовремено, тешко је двоструко проверити њихов рад, јер они користе претпоставке (које су, у ствари, вредности α и п-вредности). Због тога се увек, заједно са израчунавањем статистичке значајности, препоручује утврђивање другог показатеља - величине статистичког ефекта. Јачина ефекта је квантитативна мјера снаге ефекта.
