Bedeutung in der Statistik - Umfragen - Welche Bedeutung, die Bedeutung der Statistik ist
Erster Teil: Was ist statistische Signifikanz?
Signifikanzniveaus zeigen Ihnen, wie wahrscheinlich ein Muster in den Daten zufallsbedingt ist. Die häufigste Ebene verwendet bedeuten etwas gut genug geglaubt zu werden, ist .95. Dies bedeutet, dass die Feststellung eine 95% ige Chance, wahr ist. Allerdings ist dieser Wert auch auf irreführende Weise verwendet. Keine Statistik-Paket zeigt Ihnen „95%“ oder“.95" dieses Niveau zu zeigen. Stattdessen wird es Ihnen „.05“ zeigen, was bedeutet, dass die Feststellung eine fünf Prozent (.05) Chance, nicht wahr ist, was das Gegenteil von einer 95% igen Chance wahr zu sein. Um das Signifikanzniveau zu finden, subtrahiert, um die Zahl von eins gezeigt. Zum Beispiel bedeutet ein Wert von“.01" , dass es eine 99% (1-0,01 = .99) Chance, es wahr ist. In dieser Tabelle gibt es wahrscheinlich keinen Unterschied in den Kauf von Benzin X von Menschen in der Innenstadt und den Vororten, da die Wahrscheinlichkeit ist 0,795 (das heißt nur eine 20,5% Chance, dass der Unterschied wahr ist). Im Gegensatz zu dem hohen Signifikanzniveau Fahrzeugtyp (.001 oder 99,9%) gibt es mit ziemlicher Sicherheit ein echter Unterschied ist, wurde in dem Kauf von Brand X von den Eigentümern der verschiedenen Fahrzeuge in der Bevölkerung, aus dem die Probe entnommen.
Das Erhebungssystem verwendet Signifikanzniveaus mit mehreren Statistiken. In allen Fällen sagt der p-Wert, wie Sie wahrscheinlich etwas nicht wahr zu sein. Wenn ein Chi-Quadrat-Test-Wahrscheinlichkeit von .04 zeigt, bedeutet dies, dass es eine 96% (1-0,04 = 0,96) Chance, dass die von verschiedenen Gruppen in einem Banner gegebenen Antworten wirklich unterschiedlich sind. Wenn ein t-Test mit einer Wahrscheinlichkeit von 0,07 berichtet, bedeutet dies, dass es eine 93% ige Chance, dass die beiden Mittel verglichen werden, wären wirklich anders, wenn man sich die gesamte Bevölkerung sieht.
Die Leute denken manchmal, dass das 95% -Marke heilig ist, wenn auf Signifikanzniveau suchen. Wenn ein Test mit einer .06 Wahrscheinlichkeit zeigt, bedeutet dies, dass es eine 94% ige Chance, wahr ist. Sie können nicht ganz so sicher es sein, als ob es sich um eine 95% ige Chance wahr sein musste, aber die Chancen sind nach wie vor, dass es wahr ist. Die 95% -Marke kommt aus wissenschaftlichen Publikationen, in denen eine Theorie in der Regel mindestens eine 95% ige Chance zu haben, hat, wahr zu sein Wert zu betrachten, sagen die Menschen über. In der Geschäftswelt, wenn etwas hat eine 90% ige Chance, wahr zu sein (Wahrscheinlichkeit = 0,1), kann es nicht als bewiesen angesehen werden, aber es ist wahrscheinlich besser zu handeln, als ob es wahr wäre und nicht falsch.
Wenn Sie eine große Anzahl von Tests durchführen, fälschlicherweise signifikante Ergebnisse sind ein Problem. Denken Sie daran, dass eine 95% ige Chance, etwas Wahre zu sein bedeutet, dass es eine 5% ige Chance, es falsch zu sein. Dies bedeutet, dass von 100 Tests, die Ergebnisse signifikant auf dem 95% -Niveau zeigen, sind die Chancen, dass fünf von ihnen so falsch tun. Wenn Sie einen völlig zufälligen, bedeutungs Satz von Daten haben und haben 100 Signifikanztests, sind die Chancen, dass fünf Tests würden fälschlicherweise signifikant gemeldet werden. Wie Sie sehen können, haben Sie die mehr Tests, die eher ein Problem sind diese Fehlalarme. Sie können nicht sagen, welche die falschen Ergebnisse sind - man muss nur wissen, dass sie da sind.
Die Begrenzung die Anzahl von Tests auf eine kleine Gruppe vor den Daten ausgewählt wird gesammelt ist ein Weg, um das Problem zu verringern. Wenn dies nicht praktikabel ist, gibt es andere Möglichkeiten, dieses Problem zu lösen. Der beste Ansatz aus statistischer Sicht ist die Studie zu wiederholen und sehen, ob Sie die gleichen Ergebnisse erhalten. Wenn etwas in zwei separaten Studien statistisch signifikant ist, ist es wahrscheinlich wahr. Im wirklichen Leben ist es normalerweise nicht praktisch, eine Umfrage zu wiederholen, aber Sie können die „geteilte Hälften“ -Technik des Teilens Ihre Probe zufällig in zwei Hälften und machen die Tests auf jedem verwenden. Wenn etwas in beiden Hälften von Bedeutung ist, ist es wahrscheinlich wahr. Das Hauptproblem bei dieser Technik besteht darin, dass, wenn Sie die Stichprobengröße zu halbieren, wird eine Differenz größer sein muss, um statistisch signifikant sein.
- Statistisch gesehen hat erhebliche müssen nicht unbedingt wichtig bedeuten.
- Wahrscheinlichkeitswerte sollten in umgekehrter Richtung gelesen werden (1 - p).
- Zu viele Signifikanztests werden einige falsch bedeutende Beziehungen auftauchen.
- Prüfen Sie die Probenahmeverfahren um Verzerrungen zu vermeiden.
Zwei Teil - die genaue Bedeutung der statistischen Signifikanz Zahlen
Leider haben die statistische Signifikanz Zahlen nicht direkt sagen uns genau das, was wir wissen wollen. Sie sagen uns, wie wahrscheinlich würden wir uns auf die Unterschiede zwischen den Gruppen in unserer Stichprobe zu erhalten, die so groß oder größer als die, die wir sehen, ob es in der Bevölkerung keine Unterschiede zwischen den entsprechenden Gruppen waren durch unsere Stichprobe vertreten. Mit anderen Worten, sagen diese Zahlen uns, wie wahrscheinlich unsere Daten vorhanden sind, unter der Annahme, dass es keine Unterschiede in der Bevölkerung sind. Was wollen wir wissen, ist, wie wahrscheinlich es Unterschiede in der Bevölkerung, unsere Daten.
Logisch, wenn wir ausreichend unwahrscheinlich ist ein Unterschied in unserer Stichprobe gefunden werden, wenn es kein Unterschied in der Bevölkerung ist, dann ist es wahrscheinlich, dass es ein Unterschied in der Bevölkerung ist. Wir nutzten diese Logik im ersten Teil dieses Artikels, wenn wir gesagt, dass Sie Bedeutung Zahlen unter Berücksichtigung 1-p als die Wahrscheinlichkeit interpretieren können, dass es ein Unterschied in der Bevölkerung ist (wobei p die Bedeutung Nummer durch das Programm erzeugt wird). Zum Beispiel .05 dann, wenn das Signifikanzniveaus könnte man die Wahrscheinlichkeit der Ansicht, dass es ein Unterschied in der Bevölkerung beträgt 95% (1-0,05) zu sein.
Während diese Logik des gesunden Menschenverstand Test besteht, garantiert die Mathematik hinter statistischer Signifikanz nicht wirklich, dass 1-p die genaue Wahrscheinlichkeit gibt, dass es einen Unterschied gibt die Bevölkerung ist. Trotzdem behandeln viele Forscher 1-p wie die Wahrscheinlichkeit ohnehin aus zwei Gründen. Einer ist, dass niemand eine bessere Allzweck- Maßnahme ausgedacht hat. Die andere ist, dass diese Berechnung unter Verwendung von in der Regel eine zu einer nützlichen Interpretation der statistischen Signifikanz Zahlen führen.