I statistisk analyse, " betydning " har en særlig teknisk betydning. I almindelig sprogbrug kan betydelige betyde, at noget har betydning , eller er vigtig. Men når forskere og andre data analytikere siger, at et resultat var betydelig , de ikke blot betyde en stor eller bemærkelsesværdige fund. De betyder , at de opnåede resultater i undersøgelsen har mødt visse statistiske betingelser . Betydning Testing

A " hypotese " er en forudsigelse eller en forklaring på en bestemt fænomen. I videnskaben er disse hypoteser testes i undersøgelser , hvor data indsamles og analyseres derefter for at se, om det støtter eller afviser hypotesen. Men fordi dataindsamling og analyse aldrig er perfekt , er der altid en vis sandsynlighed for at få et positivt resultat , selv når hypotesen er faktisk forkert . Betydning test forsøger at arbejde ud af, hvad denne sandsynlighed er , jo lavere sandsynlighed, mere betydningsfulde resultaterne
P værdier

Betydning er rapporteret ved hjælp af en " p-værdi . ". Denne værdi måler sandsynligheden fra nul , hvilket betyder 0 procent chance , og 1, hvilket betyder 100 procent chance. Jo tættere tallet er på nul, jo sværere er det at få de resultater, der er opnået i analysen ved en tilfældighed, og derfor mere selvtillid forskere kan have i resultaterne . . Den p-værdi er beregnet gennem komplekse analyseprocedurer , som regel ved hjælp specialiserede softwareprogrammer
Alpha

Et vigtigt spørgsmål for analytikere til at stille, er : "hvad p værdi er acceptabel? " Denne" acceptabelt niveau "kaldes alfa , og det er det skæringspunkt , under hvilken resultater betragtes statistisk signifikant . På mange områder, herunder psykologi , sociologi og økonomi er alfa sat til 0,05. Det betyder, at hvis sandsynligheden for at opnå de resultater, ved en tilfældighed , er 5 procent eller lavere , er de betragtet som statistisk signifikant.
Type I og type II fejl

alfa -niveau har store konsekvenser . Når den er indstillet for højt , for eksempel 0,2, vil falske positiver glide gennem nettet og analytikere antager en effekt, når der ikke er én . Dette er en type I fejl . Når den er indstillet for lavt , for eksempel 0,0001, kan falske negative gøres , og forskerne kan antage ingen effekt, hvis der er en. Dette er en type II fejl . Der er intet videnskabeligt måde at indstille alpha og almindeligt anvendte 0,05 konventionen er væsentlige vilkårlig.
Begrænsninger

En væsentlig begrænsning af NHST er, at p -værdien er meget påvirket af antallet af datapunkter i analysen . Hvis der er tusindvis af datapunkter i analysen, selv meget små virkninger kan være statistisk signifikant. Så kan en betydelig effekt i en undersøgelse repræsenterer ikke noget, der er at have en effekt i den virkelige verden. For at omgå dette , er betydning som regel kombineret med andre statistikker , såsom "effekt størrelse ", som tilnærmer størrelsen af ​​forskellen.