P- arvojen ja nollahypoteesin takana oleva teoria voi aluksi vaikuttaa monimutkaiselta, mutta käsitteiden ymmärtäminen auttaa sinua liikkumaan tilastojen maailmassa. Valitettavasti näitä termejä käytetään usein väärin populaatiotieteessä, joten kaikkien olisi hyödyllistä ymmärtää perusteet.
Katso myös artikkeli Kuinka poistaa kaikki muut rivit Excelissä
Mallin p-arvon laskeminen ja nollahypoteesin todistaminen / kiistäminen on yllättävän yksinkertaista MS Excel -sovelluksella. On kaksi tapaa tehdä se ja käsittelemme molemmat. Kaivataan sisään.
Nollahypoteesi ja p-arvo
Nollahypoteesi on lausunto, johon viitataan myös oletusasemana, joka väittää, että havaittujen ilmiöiden välinen suhde ei ole olemassa. Sitä voidaan soveltaa myös kahden havaitun ryhmän välisiin assosiaatioihin. Tutkit tutkimuksen aikana tätä hypoteesia ja yrität kumota sen.
Sano esimerkiksi, että haluat tarkkailla, onko tietyllä villitysruokavaliolla merkittäviä tuloksia. Tässä tapauksessa nollahypoteesi on, että koehenkilöiden painossa ei ole merkittävää eroa ennen laihduttamista ja sen jälkeen. Vaihtoehtoinen hypoteesi on, että ruokavaliossa oli merkitystä. Tätä tutkijat yrittävät todistaa.
P-arvo edustaa mahdollisuutta, että tilastollinen yhteenveto olisi yhtä suuri tai suurempi kuin havaittu arvo, kun nollahypoteesi on totta tietylle tilastolliselle mallille. Vaikka se ilmaistaan usein desimaalilukuna, on yleensä parempi ilmaista se prosentteina. Esimerkiksi p- arvon 0, 1 tulisi edustaa 10%.
Matala p-arvo tarkoittaa, että todisteet nollahypoteesista ovat vahvat. Tämä tarkoittaa lisäksi, että tietosi ovat merkittäviä. Toisaalta korkea p-arvo tarkoittaa, että hypoteesista ei ole vahvaa näyttöä. Todistaakseen, että villitysruokavalio toimii, tutkijoiden on löydettävä matala p-arvo .
Tilastollisesti merkitsevä tulos on se, jota ei todennäköisesti tapahdu, jos nollahypoteesi on totta. Merkittävyystaso on merkitty kreikkalaisella alfa-kirjaimella ja sen on oltava suurempi kuin p- arvo, jotta tulos olisi tilastollisesti merkitsevä.
Monet tutkijat monilla eri aloilla käyttävät p- arvoa saadakseen paremman ja syvemmän kuvan heidän työskentelemästään tiedosta. Joitakin näkyviä aloja ovat sosiologia, rikosoikeus, psykologia, talous ja talous.
P-arvon löytäminen Excelistä
Voit löytää MS Excel -stietosarjan p- arvon T-testitoiminnon kautta tai käyttämällä Data Analysis -työkalua. Ensin tutkitaan T-testi-toimintoa. Tutkimme viittä yliopisto-opiskelijaa, jotka pitivät 30 päivän ruokavaliota. Vertaamme heidän painoaan ennen ruokavaliota ja sen jälkeen.
HUOMAUTUS: Käytämme tämän artikkelin tarkoituksia varten MS Excel 2010. Vaikka tämä ei olekin viimeisin, vaiheita tulisi yleensä soveltaa myös uudempiin versioihin.
T-testitoiminto
Noudata näitä vaiheita laskemaan p-arvo T-testitoiminnolla.
- Luo ja täyttää taulukko. Pöytämme näyttää tältä:
- Napsauta mitä tahansa solua pöydän ulkopuolella.
- Kirjoita: = T.Test (.
- Kirjoita avoimen hakasulun jälkeen ensimmäinen argumentti. Tässä esimerkissä se on Ennen ruokavaliota -sarake. Alueen tulisi olla B2: B6. Toistaiseksi toiminto näyttää tältä: T.Test (B2: B6).
- Seuraavaksi kirjoitamme toisen argumentin. After Diet -sarake ja sen tulokset ovat toinen argumentti, ja tarvitsemme alue on C2: C6. Lisäämme se kaavaan: T.Test (B2: B6, C2: C6).
- Kirjoita pilkku toisen argumentin jälkeen, ja yksisuuntainen jakelu ja kaksisuuntainen jakeluasetukset tulevat automaattisesti näkyviin avattavassa valikossa. Otetaan ensimmäinen - yksisuuntainen jakelu. Kaksoisnapsauta sitä.
- Kirjoita toinen pilkku.
- Kaksoisnapsauta Pari-vaihtoehtoa seuraavassa pudotusvalikossa.
- Nyt kun sinulla on kaikki tarvitsemasi elementit, sulje kannatin. Tämän esimerkin kaava näyttää tältä: = T.Test (B2: B6, C2: C6, 1, 1)
- Paina Enter. Solu näyttää p-arvon heti. Tapauksessamme arvo on 0, 133906 tai 13, 3906%.
Koska tämä p-arvo on yli 5%, se ei tarjoa vahvaa näyttöä nollahypoteesista. Esimerkissämme tutkimus ei osoittanut, että laihduttaminen auttoi koehenkilöitä menettämään merkittävän määrän painoa. Tämä ei välttämättä tarkoita, että nollahypoteesi on oikea, vain että sitä ei ole vielä kiistetty.
Tietoanalyysireitti
Tietoanalyysityökalun avulla voit tehdä monia hienoja asioita, kuten p-arvon laskelmat. Asioiden yksinkertaistamiseksi käytämme samaa taulukkoa kuin edellisessä menetelmässä.
Näin se tehdään.
- Koska meillä on jo painoerot D-sarakkeessa, ohitamme erolaskelman. Käytä tulevia taulukoita seuraavalla kaavalla: = ”Solu 1” - “Solu 2”.
- Napsauta seuraavaksi päävalikossa Tiedot-välilehteä.
- Valitse Data Analysis tool.
- Vieritä luetteloa alas ja napsauta t-testi: Pariksi muodostettu kaksi näytettä välineille -vaihtoehto.
- Napsauta OK.
- Ponnahdusikkuna tulee näkyviin. Se näyttää tältä:
- Syötä ensimmäinen alue / argumentti. Esimerkissämme se on B2: B6.
- Syötä toinen alue / argumentti. Tässä tapauksessa se on C2: C6.
- Jätä oletusarvo Alfa-tekstikenttään (se on 0, 05).
- Napsauta Output Range -valintanappia ja valitse mihin haluat tuloksen. Jos se on A8-solu, kirjoita: $ A $ 8.
- Napsauta OK.
- Excel laskee p-arvon ja useita muita parametreja. Finaalipöytä voi näyttää tältä:
Kuten näette, yksisäteinen p-arvo on sama kuin ensimmäisessä tapauksessa - 0, 133905569. Koska se on yli 0, 05, nollahypoteesi koskee tätä taulukkoa, ja näyttöä sitä vastaan on heikko.
Asioita, jotka on tiedettävä p- arvosta
Tässä on hyödyllisiä vinkkejä Excel- p-arvon laskemiseen.
- Jos p-arvo on yhtä suuri kuin 0, 05 (5%), taulukon tiedot ovat merkittäviä. Jos se on vähemmän kuin 0, 05 (5%), sinulla on erittäin merkittäviä tietoja.
- Jos p-arvo on yli 0, 1 (10%), taulukon tiedot ovat merkityksettömiä. Jos se on välillä 0, 05–0, 10, sinulla on marginaalisesti merkitseviä tietoja.
- Voit muuttaa aakkosarvoa, vaikka yleisimmät vaihtoehdot ovat 0, 05 (5%) ja 0, 10 (10%).
- Kaksisuuntaisen testauksen valitseminen voi olla parempi vaihtoehto hypoteesistasi riippuen. Yllä olevassa esimerkissä yksisuuntainen testaus tarkoittaa sitä, että tutkimme, onko koehenkilöt laihtuneet laihduttamisen jälkeen, ja juuri sen tarvitsimme selvittää. Mutta kaksisuuntainen testi tutkisi myös, saivatko ne tilastollisesti merkittäviä määriä painoa.
- P-arvo ei voi tunnistaa muuttujia. Toisin sanoen, jos se tunnistaa korrelaation, se ei pysty tunnistamaan sen taustalla olevia syitä.
P-arvo Demystified
Jokaisen suolaa arvostavan tilastotieteilijän on tiedettävä nollahypoteesitestauksen hyvät puolet ja mitä p-arvo tarkoittaa. Tämä tieto on hyödyllinen myös monien muiden alojen tutkijoille.
Oletko koskaan käyttänyt Exceliä laskeaksesi tilastollisen mallin p- arvon? Mitä menetelmää käytit? Haluatko toisen tavan laskea se? Kerro meille kommenttiosassa.
