При проверке статистических гипотез [1] [2] результат имеет статистическую значимость , когда результат, по крайней мере, как «экстремальный», был бы очень редким, если бы нулевая гипотеза была верной. [3] Точнее, определенный уровень значимости исследования , обозначаемый , представляет собой вероятность того, что исследование отвергнет нулевую гипотезу при условии, что нулевая гипотеза верна; [4] и p -значение результата — это вероятность получения результата, по крайней мере, столь же экстремального, при условии, что нулевая гипотеза верна. [5] Результат является статистически значимым по стандартам исследования, когда . [6] [7] [8] [9] [10] [11] [12] Уровень значимости для исследования выбирается до сбора данных и обычно устанавливается на уровне 5% [13] или намного ниже — в зависимости от область исследования. [14]
В любом эксперименте или наблюдении , предполагающем взятие выборки из популяции , всегда существует вероятность того, что наблюдаемый эффект возник бы только из-за ошибки выборки . [15] [16] Но если p -значение наблюдаемого эффекта меньше (или равно) уровню значимости, исследователь может заключить, что эффект отражает характеристики всей популяции, [1] тем самым отвергая нулевое значение. гипотеза. [17]
Этот метод проверки статистической значимости результатов был разработан в начале 20 века. Термин «значимость» здесь не подразумевает важности, а термин « статистическая значимость» — это не то же самое, что исследовательская значимость, теоретическая значимость или практическая значимость. [1] [2] [18] [19] Например, термин «клиническая значимость» относится к практической значимости эффекта лечения. [20]
История
Статистическая значимость восходит к 18 веку, в работе Джона Арбетнота и Пьера-Симона Лапласа , которые вычислили значение p для соотношения полов человека при рождении, приняв нулевую гипотезу о равной вероятности рождения мальчиков и девочек; подробности см. в разделе p -value § История . [21] [22] [23] [24] [25] [26] [27]
В 1925 году Рональд Фишер выдвинул идею проверки статистических гипотез, которую он назвал «тестами значимости», в своей публикации « Статистические методы для научных работников ». [28] [29] [30] Фишер предложил вероятность один из двадцати (0,05) в качестве удобного порогового уровня для отклонения нулевой гипотезы. [31] В статье 1933 года Ежи Нейман и Эгон Пирсон назвали это пороговое значение уровнем значимости , который они назвали «уровнем значимости ». Они рекомендовали установить это заранее, до начала любого сбора данных. [31] [32]
Несмотря на первоначальное предложение 0,05 в качестве уровня значимости, Фишер не собирался фиксировать это пороговое значение. В своей публикации 1956 года «Статистические методы и научные выводы» он рекомендовал устанавливать уровни значимости в соответствии с конкретными обстоятельствами. [31]
Связанные понятия
Уровень значимости — это порог , ниже которого нулевая гипотеза отвергается, даже если по предположению она верна, и происходит что-то еще. Это означает, что это также вероятность ошибочного отклонения нулевой гипотезы, если нулевая гипотеза верна. [4] Это также называется ложным срабатыванием и ошибкой I типа .
Иногда вместо этого исследователи говорят об уровне достоверности γ = (1 − α ) . Это вероятность не отвергнуть нулевую гипотезу при условии, что она верна. [33] [34] Доверительные уровни и доверительные интервалы были введены Нейманом в 1937 году. [35]
Роль в проверке статистических гипотез
Статистическая значимость играет ключевую роль в проверке статистических гипотез. Он используется для определения того, следует ли отклонить или сохранить нулевую гипотезу . Нулевая гипотеза – это гипотеза о том, что в изучаемом явлении не существует никакого эффекта. [36] Для отклонения нулевой гипотезы наблюдаемый результат должен быть статистически значимым, т.е. наблюдаемое значение p меньше заранее заданного уровня значимости .
Чтобы определить, является ли результат статистически значимым, исследователь рассчитывает значение p , которое представляет собой вероятность наблюдения эффекта той же величины или более экстремального при условии, что нулевая гипотеза верна. [5] [12] Нулевая гипотеза отклоняется, если значение p меньше (или равно) заранее определенного уровня, . также называется уровнем значимости и представляет собой вероятность отклонения нулевой гипотезы при условии, что она верна ( ошибка I рода ). Обычно он устанавливается на уровне 5% или ниже.
Например, когда установлено значение 5%, условная вероятность ошибки типа I при условии, что нулевая гипотеза верна , составляет 5%, [37] и статистически значимым результатом является тот, в котором наблюдаемое значение p меньше (или равно) 5%. [38] При извлечении данных из выборки это означает, что область отклонения составляет 5% распределения выборки . [39] Эти 5% могут быть распределены по одной стороне выборочного распределения, как в одностороннем тесте , или разделены на обе стороны распределения, как в двустороннем тесте , с каждым хвостом (или областью отклонения) содержащий 2,5% распределения.
Использование одностороннего теста зависит от того, указывает ли исследовательский вопрос или альтернативная гипотеза направление, например, тяжелее ли группа объектов или лучше успевают учащиеся при оценке . [3] Двусторонний тест по-прежнему можно использовать, но он будет менее эффективным , чем односторонний тест, поскольку область отклонения для одностороннего теста сосредоточена на одном конце нулевого распределения и в два раза больше ( 5% против 2,5%) каждой области отклонения для двустороннего теста. В результате нулевая гипотеза может быть отклонена с менее экстремальным результатом, если использовался односторонний критерий. [40] Односторонний критерий более эффективен, чем двусторонний тест, только если указанное направление альтернативной гипотезы верно. Однако если оно неверно, то односторонний тест не имеет силы.
Пороги значимости в конкретных областях
В конкретных областях, таких как физика элементарных частиц и производство , статистическая значимость часто выражается в кратных стандартном отклонении или сигме ( σ ) нормального распределения , при этом пороговые значения значимости устанавливаются на гораздо более строгом уровне (например, 5 σ ). [41] [42] Например, уверенность в существовании бозона Хиггса основывалась на критерии 5 σ , который соответствует значению p примерно 1 на 3,5 миллиона. [42] [43]
В других областях научных исследований, таких как полногеномные исследования ассоциаций , уровни значимости столь же низки, как5 × 10-8 не являются редкостью [44] [45] — поскольку количество проводимых тестов чрезвычайно велико.
Ограничения
Исследователи, сосредоточенные исключительно на том, являются ли их результаты статистически значимыми, могут сообщать о результатах, которые не являются существенными [46] и не могут быть воспроизведены. [47] [48] Существует также разница между статистической значимостью и практической значимостью. Исследование, которое признано статистически значимым, не обязательно может быть практически значимым. [49] [19]
Размер эффекта
Размер эффекта является мерой практической значимости исследования. [49] Статистически значимый результат может иметь слабый эффект. Чтобы оценить исследовательскую значимость своего результата, исследователям рекомендуется всегда сообщать о величине эффекта вместе с p -значениями. Мера размера эффекта количественно определяет силу эффекта, например, расстояние между двумя средними значениями в единицах стандартного отклонения (см. d Коэна ), коэффициент корреляции между двумя переменными или его квадрат и другие меры. [50]
Воспроизводимость
Статистически значимый результат может быть нелегко воспроизвести. [48] В частности, некоторые статистически значимые результаты на самом деле будут ложноположительными. Каждая неудачная попытка воспроизвести результат увеличивает вероятность того, что результат окажется ложноположительным. [51]
Проблемы
Чрезмерное использование в некоторых журналах
Начиная с 2010-х годов некоторые журналы начали задаваться вопросом , не слишком ли сильно полагаются на тестирование значимости, особенно на использование порога α = 5%, как на основной критерий достоверности гипотезы. [52] Некоторые журналы призывали авторов проводить более детальный анализ, чем просто тест статистической значимости. В области социальной психологии журнал « Базовая и прикладная социальная психология» вообще запретил использование тестирования значимости в опубликованных им статьях [53] , требуя от авторов использовать другие меры для оценки гипотез и их воздействия. [54] [55]
Другие редакторы, комментируя этот запрет, отметили: «Запрет сообщения о p -значениях, как это недавно сделала «Базовая и прикладная социальная психология», не решит проблему, поскольку он просто лечит симптом проблемы. В этом нет ничего плохого. с проверкой гипотез и p -значениями как таковыми, если авторы, рецензенты и редакторы действий используют их правильно». [56] Некоторые статистики предпочитают использовать альтернативные меры доказательства, такие как отношения правдоподобия или факторы Байеса . [57] Использование байесовской статистики позволяет избежать уровней достоверности, но также требует принятия дополнительных предположений, [57] и не обязательно может улучшить практику статистического тестирования. [58]
Широко распространенное злоупотребление статистической значимостью представляет собой важную тему исследований в области метанауки . [59]
Переосмысление значения
В 2016 году Американская статистическая ассоциация (ASA) опубликовала заявление о значениях p , в котором говорится, что «широко распространенное использование «статистической значимости» (обычно интерпретируемой как « p ≤ 0,05») в качестве лицензии на утверждение научных результатов (или подразумеваемая истина) приводит к значительному искажению научного процесса». [57] В 2017 году группа из 72 авторов предложила улучшить воспроизводимость, изменив порог статистической значимости значения p с 0,05 на 0,005. [60] Другие исследователи ответили, что введение более строгого порога значимости усугубит такие проблемы, как сбор данных ; альтернативные предложения, таким образом, заключаются в том, чтобы выбрать и обосновать гибкие пороговые значения p -значения перед сбором данных [61] или интерпретировать p -значения как непрерывные индексы, тем самым отбрасывая пороговые значения и статистическую значимость. [62] Кроме того, изменение значения на 0,005 увеличит вероятность ложноотрицательных результатов, в результате чего изучаемый эффект реален, но тест не может его показать. [63]
В 2019 году более 800 статистиков и ученых подписали обращение с призывом отказаться от термина «статистическая значимость» в науке [64] , а ASA опубликовало еще одно официальное заявление [65] , в котором заявило (стр. 2):
На основе нашего обзора статей в этом специальном выпуске и более широкой литературы мы пришли к выводу, что пришло время полностью прекратить использование термина «статистически значимый». Также не должны сохраняться такие варианты, как «значительно отличаются», « » и «незначительно», независимо от того, выражены ли они словами, звездочками в таблице или каким-либо другим способом.
Ошибка техасского снайпера (приводятся примеры тестов, в которых уровень значимости был установлен слишком высоко)
Рекомендации
^ abc Сиркин, Р. Марк (2005). «Двухвыборочные t-тесты». Статистика для социальных наук (3-е изд.). Таузенд-Оукс, Калифорния: SAGE Publications, Inc., стр. 271–316. ISBN 978-1-412-90546-6.
^ аб Боррор, Конни М. (2009). «Принятие статистических решений». Справочник сертифицированного инженера по качеству (3-е изд.). Милуоки, Висконсин: ASQ Quality Press. стр. 418–472. ISBN978-0-873-89745-7.
^ аб Майерс, Джером Л.; Ну, Арнольд Д.; Лорх, Роберт Ф. младший (2010). «Разработка основ проверки гипотез с использованием биномиального распределения». План исследования и статистический анализ (3-е изд.). Нью-Йорк, штат Нью-Йорк: Рутледж. стр. 65–90. ISBN978-0-805-86431-1.
^ Аб Далгаард, Питер (2008). «Мощность и расчет размера выборки». Вводная статистика с R . Статистика и вычисления. Нью-Йорк: Спрингер. стр. 155–56. дои : 10.1007/978-0-387-79054-1_9. ISBN978-0-387-79053-4.
^ ab «Статистическая проверка гипотез». www.dartmouth.edu . Архивировано из оригинала 2 августа 2020 г. Проверено 11 ноября 2019 г.
↑ Джонсон, Вален Э. (9 октября 2013 г.). «Пересмотренные стандарты статистических данных». Труды Национальной академии наук . 110 (48): 19313–19317. Бибкод : 2013PNAS..11019313J. дои : 10.1073/pnas.1313476110 . ПМЦ 3845140 . ПМИД 24218581.
^ Редмонд, Кэрол; Колтон, Теодор (2001). «Клиническая значимость против статистической значимости». Биостатистика в клинических исследованиях . Справочная серия Wiley по биостатистике (3-е изд.). Западный Суссекс, Соединенное Королевство: John Wiley & Sons Ltd., стр. 35–36. ISBN978-0-471-82211-0.
^ Камминг, Джефф (2012). Понимание новой статистики: размеры эффекта, доверительные интервалы и метаанализ . Нью-Йорк, США: Рутледж. стр. 27–28.
^ Кшивинский, Мартин; Альтман, Наоми (30 октября 2013 г.). «Точки значимости: значимость, значения P и t-критерии». Природные методы . 10 (11): 1041–1042. дои : 10.1038/nmeth.2698 . ПМИД 24344377.
^ Шам, Пак С.; Перселл, Шон М. (17 апреля 2014 г.). «Тестирование статистической мощности и значимости в крупномасштабных генетических исследованиях». Обзоры природы Генетика . 15 (5): 335–346. дои : 10.1038/nrg3706. PMID 24739678. S2CID 10961123.
^ Альтман, Дуглас Г. (1999). Практическая статистика для медицинских исследований . Нью-Йорк, США: Chapman & Hall/CRC. стр. 167. ISBN978-0412276309.
^ аб Девор, Джей Л. (2011). Вероятность и статистика для техники и наук (8-е изд.). Бостон, Массачусетс: Cengage Learning. стр. 300–344. ISBN978-0-538-73352-6.
^ Крапаро, Роберт М. (2007). "Уровень значимости". В Салкинде, Нил Дж. (ред.). Энциклопедия измерений и статистики . Том. 3. Таузенд-Оукс, Калифорния: Публикации SAGE. стр. 889–891. ISBN978-1-412-91611-0.
^ Спроролл, Натали Л. (2002). "Проверка гипотезы". Справочник по методам исследования: Руководство для практиков и студентов социальных наук (2-е изд.). Лэнхэм, Мэриленд: Scarecrow Press, Inc., стр. 49–64. ISBN978-0-810-84486-5.
^ Бэбби, Эрл Р. (2013). «Логика выборки». Практика социальных исследований (13-е изд.). Бельмонт, Калифорния: Cengage Learning. стр. 185–226. ISBN978-1-133-04979-1.
^ Фаэрти, Винсент (2008). «Вероятность и статистическая значимость». Сострадательная статистика: прикладной количественный анализ для социальных служб (с упражнениями и инструкциями в SPSS) (1-е изд.). Таузенд-Оукс, Калифорния: SAGE Publications, Inc., стр. 127–138. ISBN978-1-412-93982-9.
^ МакКиллуп, Стив (2006). «Вероятность помогает вам принять решение о ваших результатах» . Объясненная статистика: Вводное руководство для ученых-биологов (1-е изд.). Кембридж, Соединенное Королевство: Издательство Кембриджского университета. стр. 44–56. ISBN978-0-521-54316-3.
^ Майерс, Джером Л.; Ну, Арнольд Д.; Лорх, Роберт Ф. младший (2010). «Т-дистрибутив и его приложения». План исследования и статистический анализ (3-е изд.). Нью-Йорк, штат Нью-Йорк: Рутледж. стр. 124–153. ISBN978-0-805-86431-1.
^ Аб Хупер, Питер. «Что такое P-значение?» (PDF) . Университет Альберты, факультет математических и статистических наук . Архивировано из оригинала (PDF) 31 марта 2020 г. Проверено 10 ноября 2019 г.
^ Люнг, В.-К. (01.03.2001). «Баланс статистической и клинической значимости в оценке эффектов лечения». Последипломный медицинский журнал . 77 (905): 201–204. дои : 10.1136/pmj.77.905.201. ISSN 0032-5473. ПМК 1741942 . ПМИД 11222834.
^ Брайан, Эрик; Джейссон, Мари (2007). «Физико-теология и математика (1710–1794)». Изменение соотношения полов человека при рождении . Springer Science & Business Media. стр. 1–25. ISBN978-1-4020-6036-6.
^ Джон Арбутнот (1710). «Аргумент в пользу Божественного Провидения, основанный на постоянной регулярности рождаемости у представителей обоих полов» (PDF) . Философские труды Лондонского королевского общества . 27 (325–336): 186–190. дои : 10.1098/rstl.1710.0011 .
^ Срент, П. (1989), Прикладные непараметрические статистические методы (второе изд.), Chapman & Hall, ISBN978-0-412-44980-2
^ Стиглер, Стивен М. (1986). История статистики: измерение неопределенности до 1900 года . Издательство Гарвардского университета. стр. 225–226. ISBN978-0-67440341-3.
^ Беллхаус, П. (2001), «Джон Арбетнот», в «Статистиках веков» К. К. Хейда и Э. Сенеты , Springer, стр. 39–42, ISBN978-0-387-95329-8
^ Хальд, Андерс (1998), «Глава 4. Случайность или замысел: критерии значимости», История математической статистики с 1750 по 1930 год , Wiley, стр. 65
^ Камминг, Джефф (2011). «От значимости нулевой гипотезы к величине эффекта тестирования». Понимание новой статистики: размеры эффекта, доверительные интервалы и метаанализ . Серия многомерных приложений. Восточный Суссекс, Великобритания: Рутледж. стр. 21–52. ISBN978-0-415-87968-2.
^ Фишер, Рональд А. (1925). Статистические методы для научных работников. Эдинбург, Великобритания: Оливер и Бойд. стр. 43. ISBN978-0-050-02170-5.
^ Полетик, Фенна Х. (2001). «Формальные теории тестирования». Поведение при проверке гипотез . Очерки когнитивной психологии (1-е изд.). Восточный Суссекс, Соединенное Королевство: Psychology Press. стр. 29–48. ISBN978-1-841-69159-6.
^ abc Куинн, Джеффри Р.; Кио, Майкл Дж. (2002). Экспериментальный дизайн и анализ данных для биологов (1-е изд.). Кембридж, Великобритания: Издательство Кембриджского университета. стр. 46–69. ISBN978-0-521-00976-8.
^ Нейман, Дж.; Пирсон, ES (1933). «Проверка статистических гипотез в отношении априорных вероятностей». Математические труды Кембриджского философского общества . 29 (4): 492–510. Бибкод : 1933PCPS...29..492N. дои : 10.1017/S030500410001152X. S2CID 119855116.
^ "Выводы о статистической значимости возможны с помощью доверительного интервала. Если доверительный интервал не включает в себя значение нулевого эффекта, можно предположить, что имеется статистически значимый результат." Прель, Жан-Баптист дю; Хоммель, Герхард; Рериг, Бернд; Блеттнер, Мария (2009). «Доверительный интервал или P-значение?». Deutsches Ärzteblatt Online . 106 (19): 335–9. doi : 10.3238/arztebl.2009.0335. ПМЦ 2689604 . ПМИД 19547734.
^ StatNews № 73: Перекрывающиеся доверительные интервалы и статистическая значимость
^ Нейман, Дж. (1937). «Очерк теории статистического оценивания, основанной на классической теории вероятностей». Философские труды Королевского общества А. 236 (767): 333–380. Бибкод : 1937RSPTA.236..333N. дои : 10.1098/rsta.1937.0005. JSTOR 91337.
^ Мейер, Кеннет Дж.; Брудни, Джеффри Л.; Боте, Джон (2011). Прикладная статистика для государственного и некоммерческого управления (3-е изд.). Бостон, Массачусетс: Cengage Learning. стр. 189–209. ISBN978-1-111-34280-7.
^ Хили, Джозеф Ф. (2009). Основы статистики: инструмент социальных исследований (2-е изд.). Бельмонт, Калифорния: Cengage Learning. стр. 177–205. ISBN978-0-495-60143-2.
^ МакКиллуп, Стив (2006). Объясненная статистика: Вводное руководство для ученых-биологов (1-е изд.). Кембридж, Великобритания: Издательство Кембриджского университета. стр. 32–38. ISBN978-0-521-54316-3.
^ Здоровье, Дэвид (1995). Введение в экспериментальный дизайн и статистику для биологии (1-е изд.). Бостон, Массачусетс: CRC Press. стр. 123–154. ISBN978-1-857-28132-3.
^ Хинтон, Перри Р. (2010). «Значение, ошибка и сила». Объяснение статистики (3-е изд.). Нью-Йорк, штат Нью-Йорк: Рутледж. стр. 79–90. ISBN978-1-848-72312-2.
^ Воган, Саймон (2013). Научный вывод: обучение на основе данных (1-е изд.). Кембридж, Великобритания: Издательство Кембриджского университета. стр. 146–152. ISBN978-1-107-02482-3.
^ Аб Бракен, Майкл Б. (2013). Риск, шанс и причинно-следственная связь: исследование происхождения и лечение заболеваний (1-е изд.). Нью-Хейвен, Коннектикут: Издательство Йельского университета. стр. 260–276. ISBN978-0-300-18884-4.
^ Франклин, Аллан (2013). «Пролог: Возникновение сигм». Изменение стандартов: эксперименты по физике элементарных частиц в двадцатом веке (1-е изд.). Питтсбург, Пенсильвания: Издательство Питтсбургского университета. стр. Ii–III. ISBN978-0-822-94430-0.
^ Кларк, генеральный директор; Андерсон, Калифорния; Петтерссон, Ф.Х.; Кардон, ЛР; Моррис, AP; Зондерван, КТ (6 февраля 2011 г.). «Базовый статистический анализ в генетических исследованиях случай-контроль». Протоколы природы . 6 (2): 121–33. дои : 10.1038/nprot.2010.182. ПМК 3154648 . ПМИД 21293453.
^ Барш, Г.С.; Копенхейвер, врач общей практики; Гибсон, Дж; Уильямс, С.М. (5 июля 2012 г.). «Руководство по полногеномным исследованиям ассоциаций». ПЛОС Генетика . 8 (7): e1002812. дои : 10.1371/journal.pgen.1002812 . ПМК 3390399 . ПМИД 22792080.
^ Карвер, Рональд П. (1978). «Дело против проверки статистической значимости». Гарвардский обзор образования . 48 (3): 378–399. дои : 10.17763/haer.48.3.t490261645281841. S2CID 16355113.
^ Иоаннидис, Джон П.А. (2005). «Почему большинство опубликованных результатов исследований ложны». ПЛОС Медицина . 2 (8): е124. дои : 10.1371/journal.pmed.0020124 . ПМЦ 1182327 . ПМИД 16060722.
^ аб Ходжат, Мохаммадреза; Сюй, Банда (2004). «Руководство для посетителей по размерам эффектов». Достижения в области медицинских наук. Образование . 9 (3): 241–9. doi :10.1023/B:AHSE.0000038173.00909.f6. PMID 15316274. S2CID 8045624.
^ Педазур, Элазар Дж.; Шмелькин, Лиора П. (1991). Измерение, проектирование и анализ: интегрированный подход (под ред. Студента). Нью-Йорк, штат Нью-Йорк: Psychology Press. стр. 180–210. ISBN978-0-805-81063-9.
^ Стахель, Вернер (2016). «Статистическая проблема воспроизводимости». Принципы, проблемы, практика и перспективы Воспроизводимость: принципы, проблемы, практика и перспективы : 87–114. дои : 10.1002/9781118865064.ch5. ISBN9781118864975.
^ «Серия семинаров CSSME: спор о p-значениях и парадигме проверки значимости нулевой гипотезы (NHST)» . www.education.leeds.ac.uk . Школа образования Университета Лидса . Проверено 1 декабря 2016 г.
↑ Новелла, Стивен (25 февраля 2015 г.). «Психологический журнал запрещает тестирование значимости». Научная медицина.
^ Вулстон, Крис (05 марта 2015 г.). «Психологический журнал запрещает значения P». Природа . 519 (7541): 9. Бибкод : 2015Natur.519....9W. дои : 10.1038/519009f .
^ Зигфрид, Том (17 марта 2015 г.). «Запрет значения P: маленький шаг для журнала, гигантский скачок для науки». Новости науки . Проверено 1 декабря 2016 г.
^ Антонакис, Джон (февраль 2017 г.). «Как улучшить науку: от восторга открытия до политических последствий» (PDF) . Ежеквартальный журнал «Лидерство» . 28 (1): 5–21. doi :10.1016/j.leaqua.2017.01.006.
^ abc Вассерштейн, Рональд Л.; Лазар, Николь А. (2 апреля 2016 г.). «Заявление ASA о p-значениях: контекст, процесс и цель». Американский статистик . 70 (2): 129–133. дои : 10.1080/00031305.2016.1154108 .
^ Гарсиа-Перес, Мигель А. (05.10.2016). «Не лжесвидетельствуй против проверки значимости нулевой гипотезы». Образовательные и психологические измерения . 77 (4): 631–662. дои : 10.1177/0013164416668232. ISSN 0013-1644. ПМЦ 5991793 . ПМИД 30034024.
^ Вассерштейн, Рональд Л.; Ширм, Аллен Л.; Лазар, Николь А. (20 марта 2019 г.). «Переход в мир за пределами «p <0,05»». Американский статистик . 73 (доп1): 1–19. дои : 10.1080/00031305.2019.1583913 .
дальнейшее чтение
Лидия Денворт, «Значительная проблема: стандартные научные методы подвергаются критике. Изменится ли что-нибудь?», Scientific American , vol. 321, нет. 4 (октябрь 2019 г.), стр. 62–67. «Использование значений p в течение почти столетия [с 1925 года] для определения статистической значимости экспериментальных результатов способствовало возникновению иллюзии уверенности и [к] кризисам воспроизводимости во многих научных областях . Растет решимость реформировать статистический анализ... Некоторые [исследователи] предлагают изменить статистические методы, тогда как другие готовы отказаться от порога для определения «значимых» результатов». (стр. 63.)
Томпсон, Брюс (2004). «Кризис «значения» в психологии и образовании». Журнал социально-экономики . 33 (5): 607–613. doi :10.1016/j.socec.2004.09.034.
Чоу, Сиу Л. (1996). Статистическая значимость: обоснование, достоверность и полезность. Архивировано 3 декабря 2013 г. в Wayback Machine , том 1 серии «Введение в статистические методы», Sage Publications Ltd, ISBN 978-0-7619-5205-3 - утверждает, что статистическая значимость полезна в определенных случаях. обстоятельства.
Клайн, Рекс (2004). Помимо тестирования значимости: реформирование методов анализа данных в поведенческих исследованиях Вашингтон, округ Колумбия: Американская психологическая ассоциация.
Нуццо, Регина (2014). Научный метод: Статистические ошибки. Природа Том. 506, с. 150-152 (открытый доступ). Выявляет распространенные заблуждения относительно значения p.
Коэн, Джозеф (1994). [1] Архивировано 13 июля 2017 г. в Wayback Machine . Земля круглая (p<0,05). Американский психолог. Том 49, с. 997-1003. Рассматривает проблемы статистического тестирования нулевой гипотезы.
Амрайн, Валентин; Гренландия, Сандер; МакШейн, Блейк (20 марта 2019 г.). «Ученые восстают против статистической значимости». Природа . 567 (7748): 305–307. Бибкод : 2019Natur.567..305A. дои : 10.1038/d41586-019-00857-9 . ПМИД 30894741.
Внешние ссылки
В Викиверситете есть учебные ресурсы по статистической значимости.
Статья «Самые ранние известные варианты использования некоторых математических слов (S)» содержит статью «Значение», в которой содержится некоторая историческая информация.
«Концепция тестирования статистической значимости» (февраль 1994 г.): статья Брюса Томпона, размещенная Информационным центром ERIC по оценке и оценке, Вашингтон, округ Колумбия.
«Что означает, что результат является «статистически значимым»?» (без даты): статья Службы статистической оценки Университета Джорджа Мейсона, Вашингтон, округ Колумбия.