Какво представлява статистическата значимост на Alpha?

Не всички резултати от тестовете за хипотези са еднакви. А тест за хипотеза или тестът със статистическа значимост обикновено има прикрепено към него ниво на значимост. Това ниво на значимост е число, което обикновено се обозначава с Гръцка буква алфа. Един въпрос, който възниква в статистически клас, е: „Каква стойност на алфа трябва да се използва за нашите тестове за хипотеза?“

Отговорът на този въпрос, както и на много други въпроси в статистиката, е: „Зависи от ситуацията.“ Ще проучим какво имаме предвид под това. Много списания в различни дисциплини определят, че статистически значимите резултати са тези, за които алфа е равна на 0,05 или 5%. Но основният момент, който трябва да се отбележи, е, че няма универсална стойност на алфа, която трябва да се използва за всички статистически тестове.

Числото, представено с алфа, е вероятност, така че може да приеме стойност на всяка неотрицателна реално число по-малко от един. Въпреки че на теория всяко число между 0 и 1 може да се използва за алфа, що се отнася до статистическата практика, това не е така. От всички нива на значимост стойностите 0,10, 0,05 и 0,01 са тези, които най-често се използват за алфа. Както ще видим, може да има причини за използване на стойности на алфа, различни от най-често използваните числа.

Едно разглеждане срещу стойността „един размер отговаря на всички“ за алфа е свързано с това, което това число е вероятността. Нивото на значимост на тест за хипотеза е точно равно на вероятността от a Грешка тип I. Грешка от тип I се състои от неправилно отхвърляне на нулева хипотеза когато нулевата хипотеза е действително вярна. Колкото по-малка е стойността на алфа, толкова по-малка е вероятността да отхвърлим истинска нулева хипотеза.

Има различни случаи, когато е по-приемливо да има грешка от тип I. По-голяма стойност на алфа, дори една по-голяма от 0,10 може да е подходяща, когато по-малката стойност на алфа води до по-малко желан резултат.

При медицински скрининг за заболяване, помислете за възможностите на тест, който фалшиво тества положителен за заболяване с такъв, който лъжливо тества отрицателен за заболяване. Грешен положителен резултат ще доведе до безпокойство за нашия пациент, но ще доведе до други тестове, които ще определят, че присъдата на нашия тест наистина е неправилна. Лъжлив негатив ще даде на нашия пациент погрешно предположение, че той няма заболяване, когато всъщност го прави. Резултатът е, че болестта няма да бъде лекувана. Предвид избора, по-скоро бихме имали условия, които водят до фалшив положителен, отколкото лъжлив отрицателен.

В тази ситуация с радост бихме приели по-голяма стойност за алфа, ако това доведе до компромис с по-малка вероятност от фалшив отрицателен.

Ниво на значимост е стойност, която определяме за определяне на статистическата значимост. Това в крайна сметка е стандартът, чрез който измерваме изчислената p-стойност на нашата тестова статистика. Да се ​​каже, че резултатът е статистически значим на ниво алфа просто означава, че р-стойността е по-малка от алфа. Например, за стойност на алфа = 0,05, ако р-стойността е по-голяма от 0,05, ние не успяваме да отхвърлим нулевата хипотеза.

Има някои случаи, в които ще ни трябва много малък р-стойност да отхвърля нулева хипотеза. Ако нашата нулева хипотеза се отнася до нещо, което е широко прието като вярно, тогава трябва да има висока степен на доказателства в полза на отхвърлянето на нулевата хипотеза. Това се осигурява от p-стойност, която е много по-малка от често използваните стойности за алфа.

Няма една стойност на алфа, която определя статистическата значимост. Въпреки че числа като 0.10, 0.05 и 0.01 са стойности, които обикновено се използват за алфа, няма преимущество математическа теорема което казва, че това са единствените нива на значимост, които можем да използваме. Както при много неща в статистиката, ние трябва да помислим, преди да изчислим и преди всичко да използваме здравия разум.