Come calcolare il significato

Contenuto

• Errore di tipo I: rifiuto errato dell'ipotesi nulla
• Errore di tipo II: rifiuto errato dell'ipotesi alternativa
• Determinare il livello di significatività
• Scelta di un test di significatività

Il significato statistico è un indicatore oggettivo del fatto che i risultati di uno studio siano matematicamente "reali" e statisticamente difendibili, piuttosto che un semplice caso. I test di significatività comunemente utilizzati cercano differenze nelle medie dei set di dati o differenze nelle varianze dei set di dati. Il tipo di test applicato dipende dal tipo di dati che vengono analizzati. Spetta ai ricercatori determinare quanto significativi siano i risultati, in altre parole, quanto rischio sono disposti a correre per sbagliare. In genere, i ricercatori sono disposti ad accettare un livello di rischio del 5 percento.

Errore di tipo I: rifiuto errato dell'ipotesi nulla

••• Scott Rothstein / iStock / Getty Images

Vengono condotti esperimenti per verificare ipotesi specifiche o domande sperimentali con un risultato atteso. Un'ipotesi nulla è quella che non rileva alcuna differenza tra le due serie di dati da confrontare. In una sperimentazione medica, ad esempio, l'ipotesi nulla potrebbe essere che non vi siano differenze di miglioramento tra i pazienti che ricevono il farmaco in studio e i pazienti che assumono il placebo. Se il ricercatore rifiuta erroneamente questa ipotesi nulla quando è effettivamente vera, in altre parole se "rilevano" una differenza tra le due serie di pazienti quando non vi è stata alcuna differenza, hanno commesso un errore di tipo I.I ricercatori determinano in anticipo quanto rischio sono disposti ad accettare per commettere un errore di tipo I. Questo rischio si basa su un valore p massimo che accetteranno prima di respingere l'ipotesi nulla e si chiama alfa.

Errore di tipo II: rifiuto errato dell'ipotesi alternativa

Un'ipotesi alternativa è quella che rileva una differenza tra le due serie di dati da confrontare. Nel caso della sperimentazione medica, ci si aspetterebbe di vedere diversi livelli di miglioramento nei pazienti che ricevono il farmaco in studio e nei pazienti che assumono il placebo. Se i ricercatori non riescono a respingere l'ipotesi nulla quando dovrebbero, in altre parole se "non rilevano" alcuna differenza tra i due gruppi di pazienti in presenza di una differenza, hanno commesso un errore di tipo II.

Determinare il livello di significatività

Quando i ricercatori eseguono un test di rilevanza statistica e il valore p risultante è inferiore al livello di rischio ritenuto accettabile, il risultato del test viene considerato statisticamente significativo. In questo caso, l'ipotesi nulla - l'ipotesi che non vi sia alcuna differenza tra i due gruppi - è respinta. In altre parole, i risultati indicano che esiste una differenza nel miglioramento tra i pazienti che ricevono il farmaco in studio e i pazienti che assumono il placebo.

Scelta di un test di significatività

Esistono diversi test statistici tra cui scegliere. Un test t standard confronta le medie di due set di dati, come i dati dei nostri farmaci in studio e i nostri dati placebo. Un t-test associato viene utilizzato per rilevare differenze nello stesso set di dati, come uno studio prima e dopo. Un'analisi della varianza unidirezionale (ANOVA) può confrontare le medie di tre o più insiemi di dati e un'ANOVA bidirezionale confronta le medie di due o più insiemi di dati in risposta a due diverse variabili indipendenti, come i diversi punti di forza del studiare droga. Una regressione lineare confronta le medie dei set di dati lungo un gradiente di trattamenti o tempo. Ogni test statistico comporterà misure di significato, o alfa, che possono essere utilizzate per interpretare i risultati del test.