معناداری آمار چیست؟

معناداری آمار چیست؟ معنی‌داری آماری به این ادعا اشاره دارد که مجموعه‌ای از داده‌های مشاهده‌ شده نتیجه تصادف نیستند، بلکه می‌توانند به علت خاصی نسبت داده شوند. اهمیت آماری برای رشته های دانشگاهی یا شاغلانی که به شدت بر تجزیه و تحلیل داده­ها و تحقیقات متکی هستند، مانند اقتصاد، امور مالی، سرمایه گذاری، پزشکی، فیزیک و زیست شناسی مهم است.

اهمیت معناداری

اهمیت آماری را می توان قوی یا ضعیف در نظر گرفت. هنگام تجزیه و تحلیل یک مجموعه داده و انجام تست­های لازم برای تشخیص اینکه آیا یک یا چند متغیر بر یک نتیجه تأثیر دارند یا خیر، اهمیت آماری قوی به حمایت از این واقعیت کمک می کند که نتایج واقعی هستند و ناشی از شانس نیستند. به بیان ساده، اگر مقدار p کوچک باشد، نتیجه قابل اعتمادتر در نظر گرفته می شود.

اقلام کلیدی در مورد معناداری آماری

• اهمیت آماری به این ادعا اشاره دارد که نتیجه حاصل از داده­های تولید شده توسط آزمایش احتمالاً به علت خاصی نسبت داده می­شود.
• درجه بالایی از اهمیت آماری نشان می‌دهد که یک رابطه مشاهده شده بعید است به دلیل شانس باشد.
• محاسبه اهمیت آماری در معرض درجه مشخصی از خطا است.
• وقتی محققان از زبان، به دقت در گزارش نتایج خود استفاده نمی­کنند، اهمیت آماری می تواند به اشتباه تفسیر شود.
• بسته به تحقیقی که انجام می­شود از چندین نوع آزمون معناداری استفاده می­گردد.

علت بروز مشکلات در آزمون­های با اهمیت آماری

مشکلات در آزمون‌های با اهمیت آماری، به وجود می‌آیند زیرا محققان معمولاً با نمونه‌هایی از جمعیت‌های بزرگ‌تر کار می‌کنند و نه خود جمعیت‌ها. در نتیجه، نمونه­ ها باید معرف جامعه باشند، بنابراین داده­ های موجود در نمونه نباید به هیچ وجه مغرضانه باشد. در بیشتر علوم، از جمله اقتصاد، اگر یک نتیجه از سطح اطمینان ۹۵٪ (یا گاهی اوقات ۹۹٪) برخوردار باشد، ممکن است از نظر آماری معنادار در نظر گرفته شود.

درک اهمیت آماری

محاسبه اهمیت آماری (آزمایش معناداری) در معرض درجه مشخصی از خطا است. حتی اگر به نظر می رسد داده ­ها دارای یک رابطه قوی هستند، محققان باید این احتمال را که یک همبستگی ظاهری به دلیل شانس تصادفی یا یک خطای نمونه گیری ایجاد شده است، در نظر بگیرند. اندازه نمونه جزء مهمی از اهمیت آماری است، زیرا نمونه‌های بزرگتر کمتر مستعد ابتلا به تصادف هستند. فقط نمونه‌های معرف تصادفی انتخاب شده باید در آزمون معنی‌داری استفاده شوند.

محققان از اندازه‌گیری به نام p-value برای تعیین معنی‌داری آماری استفاده می‌کنند: اگر p-value کمتر از سطح معنی‌داری باشد، نتیجه از نظر آماری معنادار است. مقدار p تابعی از میانگین و انحراف معیار نمونه های داده است.

p-value احتمال وقوع نتیجه آماری داده شده را نشان می دهد، با این فرض که شانس به تنهایی مسئول نتیجه است. اگر این احتمال کم باشد، محقق می تواند نتیجه بگیرد که عامل دیگری می­تواند مسئول داده­های مشاهده شده باشد.

نقطه مقابل سطح معنی داری که به صورت ۱ منهای سطح معنی داری محاسبه می­شود، سطح اطمینان است. نشان دهنده درجه اطمینان، به این معنی که نتیجه آماری تصادفی یا با خطای نمونه گیری اتفاق نیفتاده است. سطح اطمینان مرسوم در بسیاری از آزمون‌های آماری ۹۵% است که منجر به سطح معنی‌داری معمول یا p-value 5% می‌شود.

ملاحظات خاص در زمان تفسیر سطح معناداری آمار چیست؟

اهمیت آماری همیشه اهمیت عملی را نشان نمی­دهد، به این معنی که نتایج را نمی­توان در موقعیت­های تجاری دنیای واقعی اعمال کرد. علاوه بر این، زمانی که محققان در گزارش نتایج خود از زبان به دقت استفاده نمی­کنند، اهمیت آماری می­تواند به اشتباه تفسیر شود. این واقعیت که یک نتیجه از نظر آماری معنی‌دار است به این معنی نیست که نتیجه تصادفی نیست، فقط احتمال کمتری وجود دارد که چنین باشد.

فقط به این دلیل که دو سری داده با یکدیگر همبستگی قوی دارند، به معنای علیت نیست. مشکل دیگری که ممکن است با اهمیت آماری ایجاد شود این است که داده‌های گذشته و نتایج حاصل از آن داده‌ها، چه از نظر آماری معنی‌دار باشد یا نه، ممکن است شرایط جاری یا آینده را منعکس نکند. در سرمایه گذاری، این ممکن است خود را در یک مدل قیمت گذاری نشان دهد که در زمان بحران مالی شکسته می­شود، زیرا همبستگی ها تغییر می­کنند و متغیرها مطابق معمول با یکدیگر تعامل نمی­کنند. اهمیت آماری همچنین می تواند به سرمایه گذار کمک کند تا تشخیص دهد که آیا یک مدل قیمت گذاری دارایی بهتر از دیگری است یا خیر.

انواع آزمون های معناداری آماری

بسته به نوع تحقیق از چندین نوع آزمون معناداری استفاده می شود که مهمترین آنها، فرضیه صفر است. به جهت پر کابرد بودن استفاده از این نوع آزمون آماری، در این مقاله تنها به همین مورد بسنده می­کنیم.

 آزمون فرضیه صفر

از اهمیت آماری در آزمون فرضیه صفر، زمانی استفاده می­شود که در آن محققان سعی می­کنند با رد سایر توضیحات، نظریه­ های خود را پشتیبانی کنند. اگرچه گاهی اوقات این روش اشتباه درک می­شود، اما همچنان محبوب­ترین روش آزمایش داده­ها در پزشکی، روانشناسی و سایر زمینه­ ها است.

رایج ترین فرضیه صفر این است که پارامتر مورد نظر برابر با صفر است (معمولاً نشان می­دهد که یک متغیر تأثیر صفر بر نتیجه مورد نظر دارد). اگر محققان فرضیه صفر را با اطمینان ۹۵ درصد یا بهتر رد کنند، می­توانند ادعا کنند که یک رابطه مشاهده شده از نظر آماری معنادار است. فرضیه­های صفر را نیز می­توان برای برابری اثر جهت دو یا چند درمان جایگزین آزمایش کرد.

 برخلاف تصور غلط رایج، سطح بالایی از اهمیت آماری نمی تواند درست یا نادرست بودن یک فرضیه را ثابت کند. در واقع، اهمیت آماری احتمال وقوع یک نتیجه مشاهده شده را با فرض صحت فرضیه صفر اندازه گیری می کند.

سخن پایانی

رد فرضیه صفر، حتی اگر درجه بسیار بالایی از اهمیت آماری هرگز نتواند چیزی را ثابت کند، تنها می تواند به یک فرضیه موجود حمایت کند. از سوی دیگر، عدم رد یک فرضیه صفر اغلب دلیلی برای رد یک فرضیه است.

علاوه بر این، یک اثر می‌تواند از نظر آماری معنی‌دار باشد اما تأثیر بسیار کمی داشته باشد. به عنوان مثال، ممکن است از نظر آماری معنی دار باشد که شرکت هایی که از دستمال توالت دولایه در حمام خود استفاده می کنند، کارکنان مولد تری داشته باشند، اما بهبود بهره وری مطلق هر کارگر احتمالاً اندک است.

سایت وان ایکس بت یکی از معتبر ترین و بهترین سایت شرط بندی است که با خیالی آسود می توانید در آن بازی کنید. از همراهی شما ممنونیم.راستی اگر شما نیز این روزها  به دنبال یک سایت پیش بینی فوتبال  در سطوح فوتبال داخلی و خارجی می گردید که  معتبر باشد،می توانید سایت مارا انتخاب کنید.