Preverite najboljšo pomoč za dokončanje študija!
Stopnjo značilnosti/pomembnosti P lahko označimo tudi drugače - uporabite tisto oznako, ki ste jo na predavanjih uporabljali - "P", "p", "Sig", "Signifikanca" ipd.
Stopnja značilnosti ali pomembnosti (p-vrednost) je statistični koncept, ki se uporablja za oceno verjetnosti, da so vaši rezultati rezultat naključja. P-vrednost se uporablja za preverjanje hipotez in odločanje, ali je neka statistična razlika v vzorcu resnična in pomembna ali ne.
P-vrednost se izračuna s statističnim testom, ki primerja vašo opazovano statistično razliko z različnimi možnimi rezultati, ki bi jih lahko dobili, če bi bila vaša hipoteza odsotna. Na primer, če želite preveriti, ali obstaja razlika med povprečnimi ocenami dveh skupin študentov, lahko uporabite t-test. T-test bo izračunal p-vrednost, ki ocenjuje verjetnost, da so razlike v povprečnih ocenah med skupinami posledica naključja.
P-vrednost je običajno izražena kot decimalno število med 0 in 1 ali pa kot odstotek med 0% in 100%. Gre za predhodno določeno mejo, na kateri se odločamo, ali zavrnemo ali sprejmemo ničelno hipotezo. Izbor stopnje tveganja je pomemben, saj vpliva na verjetnost, da sprejmemo napačno odločitev. Stopnja značilnosti, ki se pogosto uporablja v raziskavah, je 0,05 ali 5%. To pomeni, da če je p-vrednost manjša od 0,05, lahko zavrnemo ničelno hipotezo in sprejmemo alternativno hipotezo, ki predpostavlja, da obstaja resnična razlika med vzorci. Če pa je p-vrednost večja od 0,05, ni dovolj statističnih dokazov, da bi zavrnili ničelno hipotezo.
P-vrednost je pomembna pri odločanju o statistični značilnosti vaših rezultatov, vendar ni edini dejavnik, ki ga je treba upoštevati. Pomembno je upoštevati tudi velikost vzorca, učinek velikosti, izvedbo testa in druge faktorje pri interpretaciji vaših statističnih rezultatov.
Če je stopnja značilnosti na primer 0,05 (običajen zapis je P < 0,05) to pomeni, da je 5 % - na možnost, da razlike, ki smo jih odkrili, niso posledica domnevnega vzroka, pač pa nekih drugih, za nas neznanih vzrokov.
Velikost vzorca vpliva na P-vrednost, kar pomeni, da manjša velikost vzorca pogosto pomeni večjo p-vrednost, na primer, če imate podatkovno gradivo 100 posameznikov, mora velikost učinka biti precej velik (npr. velike dohodkovne razlike med dohodki moških in žensk), da bi dobili majhne p-vrednosti. Nasprotno pa večja velikost vzorca olajša iskanje majhnih p-vrednosti. Na primer, če analizirate podatkovno gradivo, ki vsebuje celotno prebivalstvo države, bodo verjetno celo majhne razlike majhne p-vrednosti.
Z drugimi besedami, velikost vzorca vpliva na možnosti zavrnitve ničelne hipoteze (H0). Z večjim vzorcem se zmanjšuje variabilnost in povečuje natančnost ocen, kar vodi v manjše standardne napake in večjo natančnost pri ocenjevanju razlik med skupinami ali učinkov. To lahko privede do manjše P-vrednosti, kar kaže na večjo statistično pomembnost rezultatov. Na splošno velja, da večji kot je vzorec, manjša je verjetnost, da bodo opažene razlike naključne in večja je verjetnost, da so rezultati statistično pomembni. Zato je pomembno skrbno načrtovati velikost vzorca, da zagotovite zadostno moč za zaznavanje pomembnih razlik ali učinkov v populaciji.
Razlago "Stopnja značilnosti / pomembnosti (P-vrednost)" pripravila
Dr. Melita Moretti
(Vir: Moretti, Melita. 2020. Stopnja značilnosti / pomembnosti (P-vrednost))
Preverite najboljšo pomoč za dokončanje študija!
Pokličite:
(klikni na številko)
Pošljite mail:
(klikni na mail)
Storitve opravljamo za redne in izredne študente različnih študijskih programov.
527
2300
45.826 ur