اینستاگرام کالج مدیریت را دنبال کنید
/ در پایان نامه / توسط
آخرین زمان ویرایش:

اهمیت آماری

زمان مطالعه: ۵ دقیقه

مقدمه ای بر اهمیت آماری

اهمیت آماری ، اگر یک نتیجه از نظر آماری قابل توجه باشد، به این معنی است که بعید است فقط توسط عوامل شانس یا تصادفی توضیح داده شود. به عبارت دیگر، اگر نتیجه واقعی در یک مطالعه تحقیقاتی وجود نداشته باشد، نتیجه قابل توجه آماری بسیار کم است.

مقدار p یا مقدار احتمال، اهمیت آماری یک یافته را به شما می گوید. در بیشتر مطالعات، مقدار p 0.05 یا کمتر از نظر آماری معنی دار تلقی می شود، اما این آستانه را می توان بالاتر یا پایین تر نیز تنظیم کرد.

 

چگونه اهمیت آماری را آزمایش می کنید؟

در تحقیقات کمی، داده ها از طریق آزمون اهمیت فرضیه صفر یا آزمایش فرضیه مورد تجزیه و تحلیل قرار می گیرند. این یک روش رسمی برای ارزیابی اینکه آیا رابطه بین متغیرها یا تفاوت بین گروه ها از نظر آماری معنی دار است.

فرضیه های پوچ و جایگزین
برای شروع، پیش بینی های تحقیق به دو فرضیه اصلی بیان می شوند:

. یک فرضیه صفر (H0) همیشه هیچ تأثیر واقعی، هیچ رابطه ای بین متغیرها یا تفاوتی بین گروه ها را پیش بینی نمی کند.
. یک فرضیه جایگزین (Ha یا H1) پیش بینی اصلی شما درباره یک اثر واقعی، رابطه بین متغیرها یا تفاوت بین گروه ها را بیان می کند.
تست فرضیه همیشه با فرض درست بودن فرضیه صفر آغاز می شود. با استفاده از این روش، می توانید احتمال (احتمال) به دست آوردن نتایج خود را با این فرض ارزیابی کنید. بر اساس نتیجه آزمون، می توانید فرضیه صفر را رد یا حفظ کنید.

آمار آزمون و مقادیر p
هر آزمون آماری تولید می کند:

. آماری از آزمون که نشان می دهد داده های شما چقدر با فرضیه صفر مطابقت دارد.
. مقدار p مربوطه که احتمال بدست آوردن این نتیجه را در صورت درست بودن فرضیه صفر به شما می گوید.
مقدار p اهمیت آماری را تعیین می کند. مقدار p بسیار کم اهمیت معناداری آماری را نشان می دهد، در حالی که مقدار p زیاد معنای آماری کم یا فاقد آن است.

 

سطح معنی داری چیست؟

سطح معنی داری یا آلفا (α) مقداری است که محقق از قبل به عنوان آستانه اهمیت آماری تعیین می کند. این حداکثر خطر برای نتیجه گیری نادرست مثبت (خطای نوع I) است که شما مایل به پذیرش آن هستید.

در یک آزمون فرضیه، مقدار p با سطح معنی داری مقایسه می شود تا تصمیم بگیرید که آیا فرضیه صفر را رد کنید.

. اگر مقدار p بالاتر از سطح معنی داری باشد، فرض صفر رد نمی شود و نتایج از نظر آماری معنی دار نیستند.
. اگر مقدار p کمتر از سطح معنی داری باشد، نتایج به عنوان رد فرضیه صفر تفسیر می شود و از نظر آماری معنی دار گزارش می شود.

معمولاً سطح معناداری روی ۰۵/۰ یا ۵٪ تنظیم می شود. این بدان معناست که نتایج شما باید ۵٪ یا کمتر شانس وقوع در فرضیه صفر داشته باشد تا از نظر آماری قابل توجه باشد.

سطح معنی داری را می توان برای یک آزمون محافظه کارانه پایین آورد. این بدان معنی است که یک اثر باید بزرگتر باشد تا از نظر آماری قابل توجه تلقی شود.

سطح معناداری همچنین ممکن است برای آزمایش اهمیت در زمینه های بازاریابی غیر دانشگاهی یا زمینه های تجاری بالاتر تنظیم شود. این امر باعث می شود مطالعه از دقت کمتری برخوردار باشد و احتمال یافتن نتیجه قابل توجه از نظر آماری را افزایش دهد.

به عنوان بهترین روش، قبل از شروع مطالعه باید سطح معنی داری را تعیین کنید. در غیر این صورت، می توانید به راحتی نتایج خود را دستکاری کنید تا با پیش بینی های تحقیق خود مطابقت داشته باشد.

توجه به این نکته مهم است که آزمایش فرضیه فقط می تواند به شما نشان دهد که آیا فرضیه صفر را به نفع فرضیه جایگزین رد می کنید یا نه. این هرگز نمی تواند فرضیه صفر را “اثبات” کند، زیرا فقدان اثر قابل توجه آماری به این معنی نیست که مطلقا اثری وجود ندارد.

هنگام گزارش اهمیت آماری، آمار توصیفی مربوط به داده های خود (به عنوان مثال میانگین ها و انحراف معیارها) و همچنین آمار آزمون و مقدار p را وارد کنید.

 

اهمیت آماری

اهمیت آماری – کالج مدیریت

 

مشکلات تکیه بر اهمیت آماری

انتقادات مختلفی درباره مفهوم اهمیت آماری و نحوه استفاده از آن در تحقیقات وجود دارد.

محققان با استفاده از آستانه مرسوم که فاقد هرگونه مبانی نظری یا عملی است، نتایج را از نظر آماری معنی دار یا غیر قابل توجه طبقه بندی می کنند. این بدان معنی است که حتی یک کاهش ناچیز ۰٫۰۰۱ در مقدار p می تواند یافته تحقیق را از نظر آماری غیر قابل توجه به معنی دار تبدیل کند و تقریباً هیچ تغییری واقعی در اثر ایجاد نمی کند.

به خودی خود، اهمیت آماری نیز ممکن است گمراه کننده باشد زیرا توسط اندازه نمونه تحت تأثیر قرار می گیرد. در نمونه های بسیار بزرگ، حتی اگر این اثر واقعاً کوچک یا قابل اغماض باشد، به احتمال زیاد از نظر آماری نتایج قابل توجهی به دست می آورید. این بدان معناست که تأثیرات کوچک در صورت دستیابی به آستانه اهمیت، غالباً اغراق آمیز هستند، در حالی که نتایج جالبی در صورت عدم رسیدن به آستانه نادیده گرفته می شوند.

تأکید شدید بر اهمیت آماری در چند دهه گذشته منجر به ایجاد سوگیری جدی در انتشار و بحران تکثیر در علوم اجتماعی و پزشکی شده است. نتایج معمولاً فقط در ژورنال های دانشگاهی منتشر می شوند اگر نتایج قابل توجه آماری نشان دهند – اما نتایج قابل توجه آماری اغلب در مطالعات تکثیر با کیفیت بالا قابل تولید نیستند.

در نتیجه، بسیاری از دانشمندان خواستار بازنشستگی اهمیت آماری به عنوان ابزاری برای تصمیم گیری به نفع رویکردهای ظریف تر در تفسیر نتایج هستند.

به همین دلیل است که دستورالعمل های APA گزارش می دهند که نه تنها مقادیر p بلکه اندازه ها و فواصل اطمینان را هر جا که امکان دارد نشان می دهد تا پیامدهای پیامد دنیای واقعی را نشان دهد.

 

انواع دیگر اهمیت در تحقیقات

گذشته از اهمیت آماری، اهمیت بالینی و اهمیت عملی نیز از نتایج مهم تحقیق هستند.

اهمیت عملی به شما نشان می دهد که آیا نتیجه تحقیق آنقدر مهم است که در دنیای واقعی معنادار باشد. این با اندازه اثر مطالعه نشان داده شده است.

اهمیت بالینی مربوط به مطالعات مداخله ای و درمانی است. وقتی درمانی به طور ملموس یا قابل ملاحظه ای زندگی بیماران را بهبود می بخشد از نظر بالینی قابل توجه است.

نوشته های مشابه

رگرسیون خطی چندگانه

مقدمه ای برای رگرسیون خطی چندگانه رگرسیون خطی چندگانه ، از مدل های رگرسیون برای توصیف روابط بین متغیرها با…

سبک شیکاگو

منبع نویسی به سبک شیکاگو سبک شیکاگو ، راهنمای سبک شیکاگو (چاپ هفدهم) حاوی رهنمودهایی برای دو سبک استناد است:…