Ý nghĩa thống kê là gì?
Trong Thống kê, “ý nghĩa” có nghĩa là “không phải ngẫu nhiên” hoặc “có thể đúng”. Chúng ta có thể nói rằng nếu một nhà thống kê tuyên bố rằng một số kết quả là “có ý nghĩa cao”, thì anh ta chỉ ra rằng nó có thể rất đúng. Nó không có nghĩa là kết quả có ý nghĩa cao, nhưng nó cho thấy rằng nó có khả năng xảy ra cao.
Mức độ Định nghĩa Tầm quan trọng
Các mức ý nghĩa được định nghĩa là xác suất cố định của việc loại bỏ sai của giả thuyết null khi trên thực tế, đó là sự thật. Mức ý nghĩa được nêu là xác suất của lỗi loại I và được nhà nghiên cứu đặt trước với các kết quả sai sót. Mức độ ý nghĩa là phép đo mức độ ý nghĩa thống kê. Nó xác định liệu giả thuyết rỗng được giả định là được chấp nhận hay bị bác bỏ. Nó được mong đợi để xác định xem kết quả có ý nghĩa thống kê đối với giả thuyết vô hiệu là sai hoặc bị bác bỏ hay không.
Mức độ của biểu tượng ý nghĩa
Mức độ ý nghĩa được biểu thị bằng ký hiệu tiếng Hy Lạp α (alpha). Do đó, mức ý nghĩa được xác định như sau:
Mức ý nghĩa = p (lỗi loại I) = α
Các giá trị hoặc các quan sát ít có khả năng xảy ra hơn khi chúng ở xa hơn giá trị trung bình. Kết quả được viết là “có ý nghĩa ở x%”.
Ví dụ: Giá trị có ý nghĩa ở mức 5% đề cập đến giá trị p nhỏ hơn 0,05 hoặc p <0,05. Tương tự, đáng kể ở mức 1% có nghĩa là giá trị p nhỏ hơn 0,01.
Mức ý nghĩa được lấy là 0,05 hoặc 5%. Khi giá trị p thấp, điều đó có nghĩa là các giá trị được công nhận khác biệt đáng kể so với giá trị tổng thể đã được giả thuyết ban đầu. Giá trị p được cho là có ý nghĩa hơn nếu nó càng thấp càng tốt. Ngoài ra, kết quả sẽ rất có ý nghĩa nếu giá trị p nhỏ hơn rất nhiều. Tuy nhiên, nói chung nhất, các giá trị p nhỏ hơn 0,05 được gọi là có ý nghĩa, vì việc lấy giá trị p nhỏ hơn 0,05 là một thực tế ít hơn.
Làm thế nào để tìm ra mức độ quan trọng?
Để đo lường mức độ có ý nghĩa thống kê của kết quả, trước tiên người điều tra cần tính giá trị p. Nó xác định xác suất xác định một hiệu ứng cung cấp rằng giả thuyết vô hiệu là đúng. Khi giá trị p nhỏ hơn mức ý nghĩa (α), giả thuyết vô hiệu bị bác bỏ. Nếu giá trị p quan sát được không nhỏ hơn mức ý nghĩa α, thì giả thuyết vô hiệu về mặt lý thuyết được chấp nhận. Nhưng trên thực tế, chúng ta thường tăng quy mô cỡ mẫu và kiểm tra xem chúng ta có đạt đến mức ý nghĩa hay không. Cách giải thích chung của giá trị p dựa trên mức ý nghĩa 10%:
- Nếu p> 0,1, thì sẽ không có giả thiết nào cho giả thiết rỗng
- Nếu p> 0,05 và p ≤ 0,1, điều đó có nghĩa là sẽ có một giả thiết thấp đối với giả thuyết rỗng.
- Nếu p> 0,01 và p ≤ 0,05, thì phải có một giả thiết mạnh mẽ về giả thuyết vô hiệu.
- Nếu p ≤ 0,01, thì một giả thiết rất chắc chắn về giả thuyết vô hiệu được chỉ ra.
Ví dụ về mức độ quan trọng
Nếu chúng ta nhận được giá trị p bằng 0,03, thì điều đó chỉ ra rằng chỉ có 3% cơ hội nhận được sự khác biệt lớn hơn giá trị đó trong nghiên cứu của chúng ta, cho rằng giả thuyết vô hiệu tồn tại. Bây giờ, chúng ta cần xác định xem kết quả này có đủ ý nghĩa về mặt thống kê hay không.
Chúng ta biết rằng nếu cơ hội là 5% hoặc ít hơn thế, thì giả thuyết vô hiệu là đúng, và chúng ta sẽ có xu hướng bác bỏ giả thuyết vô hiệu và chấp nhận giả thuyết thay thế. Ở đây, trong trường hợp này, cơ hội là 0,03, tức là 3% (ít hơn 5%), điều này cuối cùng có nghĩa là chúng ta sẽ loại bỏ giả thuyết vô hiệu của mình và sẽ chấp nhận một giả thuyết thay thế.
Xem thêm:
