Nie wszystkie wyniki testów hipotez są równe. ZA test hipotez lub test istotności statystycznej zazwyczaj ma przypisany poziom istotności. Ten poziom znaczenia jest liczbą zwykle oznaczaną za pomocą grecki list alfa. Jedno pytanie, które pojawia się w klasie statystycznej, brzmi: „Jaką wartość alfa należy zastosować w naszych testach hipotez?”
Odpowiedź na to pytanie, podobnie jak w przypadku wielu innych pytań statystycznych, brzmi: „To zależy od sytuacji”. Zbadamy, co przez to rozumiemy. Wiele czasopism z różnych dyscyplin definiuje, że statystycznie znaczącymi wynikami są te, dla których alfa jest równe 0,05 lub 5%. Ale przede wszystkim należy zauważyć, że nie ma uniwersalnej wartości alfa, którą należy zastosować dla wszystkich testy statystyczne.
Powszechnie używane wartości Poziomy istotności
Liczba reprezentowana przez alfa jest prawdopodobieństwem, więc może przyjąć dowolną wartość nieujemną prawdziwy numer mniej niż jeden. Chociaż teoretycznie dla wartości alfa można użyć dowolnej liczby od 0 do 1, w praktyce statystycznej tak nie jest. Ze wszystkich poziomów istotności wartości 0,10, 0,05 i 0,01 są tymi najczęściej stosowanymi dla alfa. Jak zobaczymy, mogą istnieć powody używania wartości alfa innych niż najczęściej używane liczby.
Poziom istotności i błędy typu I.
Jedna uwaga w stosunku do wartości „jeden rozmiar dla wszystkich” dla alfa ma związek z prawdopodobieństwem tej liczby. Poziom istotności testu hipotez jest dokładnie równy prawdopodobieństwu a Błąd typu I.. Błąd typu I składa się niepoprawnie odrzucanie Hipoteza zerowa kiedy hipoteza zerowa jest rzeczywiście prawdziwa. Im mniejsza wartość alfa, tym mniejsze prawdopodobieństwo odrzucenia prawdziwej hipotezy zerowej.
Istnieją różne przypadki, w których bardziej dopuszczalny jest błąd typu I. Większa wartość alfa, nawet jedna większa niż 0,10, może być odpowiednia, gdy mniejsza wartość alfa powoduje mniej pożądany wynik.
Podczas medycznych badań przesiewowych pod kątem choroby, rozważ możliwości testu, który fałszywie daje wynik dodatni w przypadku choroby, i takiego, który fałszywie sprawdza wynik ujemny w kierunku choroby. Fałszywie dodatni spowoduje niepokój dla naszego pacjenta, ale doprowadzi do innych testów, które stwierdzą, że werdykt naszego testu był rzeczywiście nieprawidłowy. Fałszywie negatywny podsunie naszemu pacjentowi błędne założenie, że nie ma choroby, kiedy tak naprawdę ma. W rezultacie choroba nie będzie leczona. Biorąc pod uwagę wybór, wolelibyśmy warunki, które dają fałszywie dodatni wynik niż fałszywie ujemny.
W tej sytuacji chętnie zaakceptowalibyśmy wyższą wartość dla alfa, gdyby skutkowało to kompromisem o mniejszym prawdopodobieństwie fałszywie ujemnego.
Poziom istotności i wartości P.
Poziom istotności to wartość, którą ustalamy w celu określenia istotności statystycznej. Ostatecznie jest to standard, według którego mierzymy obliczoną wartość p naszej statystyki testowej. Stwierdzenie, że wynik jest statystycznie istotny na poziomie alfa, oznacza po prostu, że wartość p jest mniejsza niż alfa. Na przykład dla wartości alfa = 0,05, jeśli wartość p jest większa niż 0,05, to nie odrzucamy hipotezy zerowej.
W niektórych przypadkach potrzebowalibyśmy bardzo małego wartość p odrzucić hipotezę zerową. Jeśli nasza hipoteza zerowa dotyczy czegoś, co jest powszechnie akceptowane jako prawdziwe, wówczas musi istnieć wysoki poziom dowodów przemawiających za odrzuceniem hipotezy zerowej. Zapewnia to wartość p, która jest znacznie mniejsza niż powszechnie używane wartości alfa.
Wniosek
Nie ma jednej wartości alfa, która określa istotność statystyczną. Chociaż liczby takie jak 0,10, 0,05 i 0,01 są wartościami powszechnie używanymi dla alfa, nie ma nadpisywania twierdzenie matematyczne oznacza to, że są to jedyne poziomy znaczenia, które możemy wykorzystać. Podobnie jak w przypadku wielu rzeczy w statystykach, musimy pomyśleć przed obliczeniem, a przede wszystkim kierować się zdrowym rozsądkiem.