Что значит статистических различий нет

Уровень статистической значимости (р)

В таблицах результатов статистических расчётов в курсовых, дипломных и магистерских работах по психологии всегда присутствует показатель «р».

Например, в соответствии с задачами исследования были рассчитаны различия уровня осмысленности жизни у мальчиков и девочек подросткового возраста.

Уровень статистической значимости (p)

Мальчики (20 чел.)

Локус контроля — «Я»

Локус контроля — «Жизнь»

* — различия статистически достоверны (р≤0,05)

В правом столбце указано значение «р» и именно по его величине можно определить значимы различия осмысленности жизни в будущем у мальчиков и девочек или не значимы. Правило простое:

• Если уровень статистической значимости «р» меньше либо равен 0,05, то делаем вывод, что различия значимы. В приведенной таблице различия между мальчиками и девочками значимы в отношении показателя «Цели» — осмысленность жизни в будущем. У девочек этот показатель статистически значимо выше, чем у мальчиков.
• Если уровень статистической значимости «р» больше 0,05, то делается заключение, что различия не значимы. В приведенной таблице различия между мальчиками и девочками не значимы по всем остальным показателям, за исключением первого.

Откуда берется уровень статистической значимости «р»

Уровень статистической значимости вычисляется статистической программой вместе с расчётом статистического критерия. В этих программах можно также задать критическую границу уровня статистической значимости и соответствующие показатели будут выделяться программой.

Например, в программе STATISTICA при расчете корреляций можно установить границу «р», например, 0,05 и все статистически значимые взаимосвязи будут выделены красным цветом.

Если расчёт статистического критерия проводится вручную, то уровень значимости «р» выявляется путем сравнения значения полученного критерия с критическим значением.

Что показывает уровень статистической значимости «р»

Все статистические расчеты носят приблизительный характер. Уровень этой приблизительности и определяет «р». Уровень значимости записывается в виде десятичных дробей, например, 0,023 или 0,965. Если умножить такое число на 100, то получим показатель р в процентах: 2,3% и 96,5%. Эти проценты отражают вероятность ошибочности нашего предположения о взаимосвязи, например, между агрессивностью и тревожностью.

То есть, коэффициент корреляции 0,58 между агрессивностью и тревожностью получен при уровне статистической значимости 0,05 или вероятности ошибки 5%. Что это конкретно означает?

Выявленная нами корреляция означает, что в нашей выборке наблюдается такая закономерность: чем выше агрессивность, тем выше тревожность. То есть, если мы возьмем двух подростков, и у одного тревожность будет выше, чем у другого, то, зная о положительной корреляции, мы можем утверждать, что у этого подростка и агрессивность будет выше. Но так как в статистике все приблизительно, то, утверждая это, мы допускаем, что можем ошибиться, причем вероятность ошибки 5%. То есть, сделав 20 таких сравнений в этой группе подростков, мы можем 1 раз ошибиться с прогнозом об уровне агрессивности, зная тревожность.

Какой уровень статистической значимости лучше: 0,01 или 0,05

Уровень статистической значимости отражает вероятность ошибки. Следовательно, результат при р=0,01 более точный, чем при р=0,05.

В психологических исследованиях приняты два допустимых уровня статистической значимости результатов:

р=0,01 – высокая достоверность результата сравнительного анализа или анализа взаимосвязей;

р=0,05 – достаточная точность.

Надеюсь, эта статья поможет вам написать работу по психологии самостоятельно. Если понадобится помощь, обращайтесь (все виды работ по психологии; статистические расчеты). Заказать

Источник

Анализ различий психологических показателей

Очень часто познание – это выявление различий. «Все познается в сравнении». Человек познает себя, сравнивая с другими. Мы смиряемся с собственной судьбой, видя людей в более тяжелых условиях. Психология, стремясь к выявлению закономерностей жизни человека и групп, анализирует различия.

Многие психологические исследования направлены на сравнительный анализ выраженности психологических параметров в разных группах. Выявляемые различия дают важную информацию об особенностях этих групп. Например, данные о психологических различиях восприятия между мужчинами и женщинами используются в маркетинге для дифференцирования рекламных компаний товаров для женской и мужской аудитории. Знание различий ценностных ориентаций сотрудников организации разных возрастов позволяет повысить эффективность их материального и нематериального стимулирования.

Признаками того, что в курсовой или дипломной работе будет проводиться анализ различий, является присутствие в теме следующих слов: «Особенности…», «Различия…», «Сравнительный анализ…».

Выявление различий выраженности психологических показателей в группах – это статистическая процедура, так как имеет место обработка массива данных. Существуют различные статистические методы выявления различий.

При обработке результатов эмпирического исследований в курсовых, дипломных и магистерских диссертациях по психологии используются следующие статистические критерии:

У каждого из этих критериев есть своя сфера применимости, свои ограничения. Их важность знать для правильного проведения статистических расчётов.

Параметрические и непараметрические статистические критерии

Статистические критерии делятся на параметрические и непараметрические.

Параметрические критерии предъявляют более строгие требования к эмпирическим данным (результатам тестирования), но и их точность по выявлению различий выше.

Непараметрические статистические критерии не так чувствительны к исходным данным, но и точность их ниже.

U-критерий Манна-Уитни и Т-критерий Вилкоксона являются непараметрическими. t-критерий Стъюдента – параметрический статистический критерий.

Связные и несвязные выборки

Различение связных и несвязны выборок важно, так как некоторые статистические критерии рассчитываются в этих случаях по-разному.

Связными считаются выборки, в которых находятся одни и те же испытуемые, но в разных условиях. Например, одна и та же группа студентов до тренинга личностного роста и после него в статистических расчетах будет рассматриваться как две связные (зависимые) выборки.

Несвязные выборки – это любые различные группы испытуемых. Например, при исследовании мотивации достижения у сотрудников организации разного пола группы мужчин и женщин будут считаться несвязными (независимыми) выборками.

U-критерий Манна-Уитни применяется для выявления различий выраженности психологических показателей только в несвязных выборках.

Т-критерий Вилкоксона используется для анализа различий только в связных выборках.

t-критерий Стъюдента позволяет выявлять различия средних значений как в связных, так и в несвязных выборках испытуемых.

Нужно ли знать формулы расчёта статистических критериев выявления различий между психологическими параметрами

Знание формул расчёта статистических критериев помогает лучше понять их смысл и сферу применимости. В то же время для психологов знание этих формул, с моей точки зрения, не обязательно.

В подавляющем большинство ВУЗов допускается использование для расчёта статистически значимых различий между психологическими показателями специальных компьютерных программ.

Почему нельзя просто сравнить средние значения в группах, а нужны еще статистические критерии?

Начнем с примера. Пусть в группе российских и монгольских мужчин измерили с помощью тестов два показателя: уровень удовлетворенности браком и уровень интеллекта.

Источник

Статистическая значимость

Статистическая значимость часто применяется в маркетинге. С ее помощью определяют правильность выдвинутых предположений и вероятность их результатов. Она позволяет сделать выбор среди представленных теорий, что приводит к получению отличных результатов на практике.

Что такое статистическая значимость

Суть статистической значимости состоит в определении того, существует ли реальное основание в разнице между выбранными для исследования показателями, или это случайность? С данным понятием тесно связаны «нулевая» и «альтернативная» гипотезы.

Для лучшего понимания термина «статистическая значимость» необходимо понять, что такое «проверка гипотез». Эти два термина тесно взаимосвязаны.

Гипотеза иначе называется теорией. После окончания ее разработки требуется установить порядок по сбору достаточного количества доказательств этой теории и собрать их. Существует два типа гипотез: нулевая и альтернативная.

Нулевая гипотеза представляет собой теорию, которая гласит, что внесение коррективов ничего не поменяет, то есть сравниваемые объекты равнозначны в своих свойствах и нет смысла что-либо менять. Суть исследования заключается в опровержении гипотезы.

Альтернативная (исследовательская) гипотеза подразумевает сравнение, в результате которого один объект показывает себя эффективнее, чем другой.

Статистическая значимость как количественный показатель требует оценки. Оценка проходит поэтапно.

Постановка эксперимента

Все начинается с формулировки гипотезы. При этом должно быть выдвижение и нулевой, и альтернативной гипотезы. Придется сравнивать два набора данных для выяснения схожести и отличий. Эти утверждения требуют подтверждения с помощью экспериментальных данных.

Данный уровень представляет собой порог статистической значимости, который каждый устанавливает сам. Этот уровень носит название displaystyle \alpha >\alpha – уровня. Чаще всего, устанавливают значение в 0,05. Вероятность найти разницу составляет 5%. Чем выше уровень, тем достовернее результаты.

Когда нужна максимальная достоверность, стоит снизить значение с 0,05 до 0,01. Чаще всего, такие показатели применяют в производстве для выявления брака. Однако для большинства экспериментов достаточно значения в 0,05.

Решение об используемом критерии

После установки уровня требуется определить, какой критерий использовать: одно- или двусторонний. Здесь стоит опираться на t-критерии Стьюдента. Они показывают, насколько нормально распределены данные. Графически они представлены в виде колоколообразной кривой. Большее количество результатов расположено в середине.

Критерий Стьюдента позволяет математически проверить расположены ли данные в установленных пределах или же выпадают из нормального распределения.

Двусторонний критерий нужен, когда нет уверенности в том, что показатели находятся выше или ниже установленной нормы распределения.

Когда есть точная уверенность, в каком направлении может наблюдаться выход за пределы нормы, нужно использовать односторонний критерий.

Определение объема выборки

Здесь потребуется статистическая мощность. Она представляет собой вероятность, что при выбранном объеме будет получен ожидаемый результат. Распространенный порог — 80%. Для анализа можно использовать специальные онлайн-калькуляторы. Это позволит определить оптимальный объем выборки.

Часто проводят пробное исследование, которое позволяет получить данные для анализа и установить объем выборки. Когда такой возможности нет, стоит поискать в тематической литературе усредненные значения.

Вычисление стандартного отклонения

Стандартное отклонение показывает величину разброса данных. Оно позволяет сделать выбор о близости или отдаленности данных. Их вычисляют по следующей формуле: s = √∑((xi – µ)2/(N – 1)).

s — стандартное отклонение;

∑ указывает на необходимость суммировать полученные данные по выборке;

xi соответствует значению i, то есть отдельному полученному результату;

µ — это среднее значение для данной группы;

N — общее число данных в выборке.

Теперь потребуется отыскать среднее значение для каждой группы. Для этого суммируют средние значения каждой группы и делят на объем выборки.

Далее необходимо определить разницу (xi – µ). Для этого следует вычесть из найденной средней величины каждое полученное значение.

Теперь каждую полученную величину умножают на саму себя или возводят во вторую степень и суммируют величины. После этой операции не должно остаться отрицательных значений.

Следующий шаг — деление объема минус один. Делят полученную в предыдущем шаге сумму на величину, полученную от вычитания единицы. После этого извлекают квадратный корень из величины. Это и будет нужная величина стандартного отклонения.

Определение значимости

Для определения значимости потребуется взять две группы данных. Для последней вычисляют стандартное отклонение, после чего вычисляют дисперсию между обеими группами по формуле:

sd — дисперсия между двумя группами;

s1 — стандартное отклонение в группе 1, N1 — объем выборки в группе 1;

s2 — стандартное отклонение в группе 2, N2 — объем выборки в группе 2.

Необходимо определить t-оценку показателей для перевода полученных данных в стандартизированную форму, которая позволить провести сравнение с другими данными. Эта оценка делает возможным проверку t-критерия, а также выяснение величины отличия одной группы от другой. Для определения t-оценки применяют формулу: t = (µ1 – µ2)/sd:

µ1 — среднее значение для первой группы;

µ2 — среднее значение для второй группы;

sd — дисперсия между двумя выборками.

Совет: первым используют большее среднее значение, чтобы итоговая величина не была отрицательной.

Далее требуется определить степень свободы выборки. Для этого вычисляют объем: суммируют объемы двух выборок и вычитают 2. Полученная величина станет окончательной. Ее оценивают по таблице значений критерия Стьюдента (t-критерия). Таблица представлена ниже.

Пользоваться представленной таблицей просто: находите строку в соответствии с полученной степенью свободы и определяете соответствующее t-оценке Р-значение.

Например, при степени свободы 8 и t-оценке 2,61 Р-значение для одностороннего критерия попадает между 0,01 и 0,025. При выбранном показателе в 0,05 эти данные попадают в категорию «статистически значимые». Это помогает сделать выбор в пользу альтернативной гипотезы и отказаться от нулевой.

Заключение

Определение статистической значимости помогает решать маркетинговые задачи и минимизировать риски. Такие расчеты часто проводятся при A/B тестированиях и помогают узнать, как будет вести себя клиент в будущем, окупится ли товар и т.д.

Источник

Уровни статистической значимости

Результаты математической обработки данных почти любым методом в конечном итоге оцениваются по уровню статистической значимости полученного результата. Это может быть уровень значимости коэффициента корреляции (Пирсона, Спирмена), уровень значимости различий по результатам сравнения выборок по тому или иному статистическому критерию (Стьюдента, Манна-Уитни, Вилкоксона, Хи-квадрат) и т.п. — вне зависимости от используемого метода, уровни значимости оцениваются одинаково.

Уровень статистической значимости обозначается латинской буквой p. Традиционно выделяют три уровня статистической значимости результатов математической обработки данных:

1. P≤0,05 — обычный уровень статистической значимости. Его можно интерпретировать так: «получен статистически значимый результат». Для наглядности традиционно обозначается одной звездочкой.
2. P≤0,01 — высокий уровень значимости. Его можно интерпретировать следующим образом: «обнаружена выраженная закономерность», например, тесная связь между двумя переменными, если речь идет об уровне значимости коэффициента корреляции. Традиционно обозначается двумя звездочками.
3. P≤0,001 — очень высокий уровень значимости. Обозначается тремя звездочками.

Кроме того, иногда в результатах исследований выделяют и описывают также близкие к статистически значимым результаты (p≈0,05). Сюда можно отнести такие показатели статистической значимости, как 0,06, 0,07, 0,08 и 0,09. Они свидетельствуют о наличии тенденции к существованию соответствующей закономерности.

Что касается показателей статистической значимости величиной от 0,1 и выше — они говорят о том, что полученный результат не является статистически значимым. Например, если речь идет о сравнении выборок, то подобный показатель свидетельствует об отсутствии статистически значимых различий между сравниваемыми выборками.

По сути уровень статистической значимости отражает вероятность ошибки в выявлении закономерности. Поэтому чем меньше величина показателя p, тем ниже вероятность ошибки, тем более статистически значимым является полученный результат.

Источник