Hoe de significantie te berekenen

Inhoud

• Type I-fout: verkeerde afwijzing van de nulhypothese
• Type II-fout: verkeerde alternatieve hypothese afgewezen
• Bepaling van het significantieniveau
• Een significantietest kiezen

Statistische significantie is een objectieve indicator van het feit of de resultaten van een studie wiskundig "echt" en statistisch verdedigbaar zijn, in plaats van slechts een toevallige gebeurtenis. Veelgebruikte significantietests zoeken naar verschillen in de gemiddelden van gegevenssets of verschillen in de varianties van gegevenssets. Het type test dat wordt toegepast, is afhankelijk van het type gegevens dat wordt geanalyseerd. Het is aan de onderzoekers om te bepalen hoe belangrijk ze de resultaten willen hebben - met andere woorden, hoeveel risico ze bereid zijn te nemen om fout te zijn. Doorgaans zijn onderzoekers bereid een risiconiveau van 5 procent te accepteren.

Type I-fout: verkeerde afwijzing van de nulhypothese

••• Scott Rothstein / iStock / Getty Images

Experimenten worden uitgevoerd om specifieke hypothesen of experimentele vragen met een verwacht resultaat te testen. Een nulhypothese is er een die geen verschil detecteert tussen de twee sets gegevens die worden vergeleken. In een medisch onderzoek kan de nulhypothese bijvoorbeeld zijn dat er geen verschil in verbetering is tussen patiënten die het onderzoeksgeneesmiddel krijgen en patiënten die de placebo krijgen. Als de onderzoeker deze nulhypothese ten onrechte verwerpt terwijl deze inderdaad waar is, met andere woorden, als ze een verschil tussen de twee groepen patiënten "detecteren" terwijl er echt geen verschil was, dan hebben ze een Type I-fout begaan.Onderzoekers bepalen van tevoren hoeveel risico op het begaan van een Type I-fout ze bereid zijn te accepteren. Dit risico is gebaseerd op een maximale p-waarde die ze accepteren voordat ze de nulhypothese verwerpen en wordt alfa genoemd.

Type II-fout: verkeerde alternatieve hypothese afgewezen

Een alternatieve hypothese is er een die een verschil detecteert tussen de twee sets gegevens die worden vergeleken. In het geval van de medische proef zou u verschillende niveaus van verbeteringen verwachten bij patiënten die het onderzoeksgeneesmiddel kregen en patiënten die de placebo kregen. Als onderzoekers de nulhypothese niet afwijzen wanneer dat zou moeten, met andere woorden als ze geen verschil "detecteren" tussen de twee groepen patiënten terwijl er echt een verschil was, dan hebben ze een Type II-fout begaan.

Bepaling van het significantieniveau

Wanneer onderzoekers een test van statistische significantie uitvoeren en de resulterende p-waarde lager is dan het aanvaardbaar geachte risico, wordt het testresultaat als statistisch significant beschouwd. In dit geval wordt de nulhypothese - de hypothese dat er geen verschil is tussen de twee groepen - verworpen. Met andere woorden, de resultaten geven aan dat er een verschil in verbetering is tussen patiënten die het onderzoeksgeneesmiddel krijgen en patiënten die de placebo krijgen.

Een significantietest kiezen

Er zijn verschillende statistische tests om uit te kiezen. Een standaard t-test vergelijkt de gemiddelden van twee gegevenssets, zoals onze gegevens over onderzoeksgeneesmiddelen en onze placebogegevens. Een gepaarde t-test wordt gebruikt voor het detecteren van verschillen in dezelfde gegevensset, zoals een voor en na studie. Een eenrichtingsanalyse van variantie (ANOVA) kan de gemiddelden van drie of meer gegevenssets vergelijken, en een wederzijdse ANOVA vergelijkt de gemiddelden van twee of meer gegevenssets in reactie op twee verschillende onafhankelijke variabelen, zoals verschillende sterkten van de medicijnen studeren. Een lineaire regressie vergelijkt de gemiddelden van de gegevensverzamelingen langs een gradiënt van behandelingen of tijd. Elke statistische test zal resulteren in metingen van significantie, of alfa, die kunnen worden gebruikt om de testresultaten te interpreteren.