Coursera Learner working on a presentation with Coursera logo and
Coursera Learner working on a presentation with Coursera logo and

U vindt het belang van de resultaten. U analyseert de gegevens en voert experimenten uit. Zakelijke relevantie is echter anders dan statistische significantie. Veel bedrijfsorganisaties konden geen onderscheid maken tussen de twee en misbruik en misverstand over het concept. Aan de andere kant helpt het goed analyseren van de gegevens bij het maken van de juiste zakelijke beslissingen. Dat is de reden waarom managers het concept van statistische significantie zouden moeten begrijpen.

Wat is statistische significantie?

Statistische significantie geeft aan dat de relatie van een variabele met een andere variabele geen toeval is, maar vanwege een andere factor op die variabele. In eenvoudige woorden, statistische significantie is een wiskundige weergave van de betrouwbaarheid van de statistieken. In dit artikel leert u hoe u de statistische significantie tussen twee factoren kunt berekenen.

Berekening van de statistische significantie

U kunt het concept begrijpen en een uitgebreid antwoord vinden door de statistische significantie met de hand te berekenen. U kunt een rekenmachine gebruiken. Hier zijn de stappen die u kunt volgen om de statistische significantie te berekenen:

1.Het creëren van een nulhypothese

Eerst en vooral moet je de nulhypothese bepalen. U kunt uitzoeken of er een verschil is in de gegevensset die u gebruikt. Je moet je nietige hypothese nooit geloven, want dit is slechts een gok.

2.Creating een alternatieve hypothese

Nu, zoek de alternatieve hypothese uit. Wanneer u de alternatieve hypothese vindt, weet u of er een verband bestaat tussen uw gegevens. De alternatieve hypothese is tegengesteld aan de nulhypothese die je eerder hebt gevonden.

3.Bepaling van het significantieniveau

Na het vinden van de nul en de alternatieve hypothese, bepaalt u het significantieniveau of de alfa. Er is een mogelijkheid dat je je nietige hypothese moet verwerpen, ook al is die misschien wel waar. De standaard alfa is 0,05 tot 5 procent.

4.Het kiezen van het type test

Beslis nu uit welke test u kiest, een- of tweestaarts. Echter, het eenstaartige testdistributiegebied is eenzijdig, en voor de tweestaartige test is het tweezijdig. In eenvoudige woorden, in de eenstaartige test analyseert u de relatie tussen de twee variabelen in een enkele richting en de twee richtingen in tweezijdige tests. Als uw monsters eenzijdig zijn, dan is uw alternatieve hypothese waar.

5.Het uitvoeren van vermogensanalyse voor monstergrootte

De vermogensanalyse zal u helpen bij het bepalen van de monstergrootte. Om de vermogensanalyse te vinden, moet u de statistische kracht, het significantieniveau, de steekproefomvang en de effectomvang kennen. U moet een rekenmachine gebruiken om deze berekeningen uit te voeren. Door een zekere mate van vertrouwen te behouden, zal deze methode u helpen bij het bepalen van de steekproefgrootte. Deze methode zal u helpen bij het vinden van een geschikte steekproefomvang, zodat u de statistische significantie kunt berekenen. Als de steekproefomvang bijvoorbeeld erg klein is, zult u geen nauwkeurige uitkomst vinden.

6. Berekening van de standaardafwijking

Bereken nu de standaardafwijking. Om dat te doen, moet je de volgende formule gebruiken:
Standaardafwijking = √ ((∑|x-μ|^ 2) / (N-1))
In deze vergelijking:
– ∑ =is de gegevenssom
– x =is de individuele gegevens
– μ = is het gemiddelde van de gegevens voor elke groep
– N =is het totale monster
Met deze berekening kunt u nagaan hoe u de gemiddelde waarde en de verwachte waarde kunt spreiden. Zoek de variantie tussen de groepen als u meer voorbeeldgroepen heeft.

7. Gebruik van de standaardfoutformule

Gebruik daarna de standaard foutformule. Hier is de formule om de standaardafwijking van de twee groepen te vinden aan de hand van de standaardafwijking.
Standaardafwijking =√((s1/N1) + (s2/N2))
In deze vergelijking:
– s1 =is de standaardafwijking (eerste groep)
– N1 =is de steekproefomvang (eerste groep)
– s2 =is de standaardafwijking (tweede groep)
– N2 =is de steekproefomvang (tweede groep)

8.Bepaling van de T-kern

In deze stap moet je de t-score vinden. Gebruik de onderstaande vergelijking om de t-score te vinden:
t =((µ1-µ2) / (sd))
In deze vergelijking
– t =is de t-score
– µ1 = gemiddeld (eerste groep)
– µ2 = gemiddelde (tweede groep)
– sd =is de standaardfout

9. Het vinden van vrijheidsgraden

Nu, zoek de mate van vrijheid uit. Hier is de formule om de vrijheidsgraden te vinden:
vrijheidsgraden =(s1 + s2) – 2
In deze vergelijking
– s1 = monsters (eerste groep)
– s2 = monsters (tweede groep)

10.Using T-Tafel

Nu kunt u uw statistische significantie berekenen met behulp van de t-tabel. Kijk eerst naar de vrijheidsgraden aan de linkerkant en bepaal de variantie. Ga nu naar boven en zoek de p-waarde van elke variabele. Vergelijk vervolgens het significantieniveau of de alfa met de p-waarde. Je kunt een p-waarde onder 0,05 als statistisch significant beschouwen.

Wat is P-waarde?

De waarschijnlijkheid van het vinden van de resultaten wordt P-waarde genoemd. U vergelijkt bijvoorbeeld de gewichten van Amerikaanse burgers in New York en Californië. U moet beginnen met de nulhypothese dat New Yorkers meer gemiddeld gewicht hebben dan Californiërs.
Stel nu dat u de studie uitvoert om te bepalen of de nulhypothese waar is of niet. Na de studie vindt u dat het gemiddelde gewicht van New Yorkers 20 pond meer is dan dat van Californiërs, met 0,41 als P-waarde. Dit betekent dat de nulhypothese waar is, en dat New Yorkers meer wegen dan Californiërs. Nu is er een kans van 47% dat je 20 lbs meer gewicht van New Yorkers meet.
Maar als New Yorkers niet meer wegen, moet je het nog steeds 20 pond hoger meten vanwege ruis in je gegevens bijna de helft van de tijd. Een lagere P-waarde betekent dus nauwkeuriger resultaten, omdat er dan minder ruis in de gegevens zit.

Conclusie

U kunt de statistische significantie gebruiken om de validiteit van de tests en de analyse te vinden. Dit betekent echter niet dat u over nauwkeurige gegevens beschikt. Veel onderzoeken kunnen onjuiste informatie opleveren door ongeschikte gegevens. Bovendien kunt u gebruik maken van demografische gegevens met een vertekening in de representatie.
Bovendien zullen uw inzichten onnauwkeurig zijn als u uw statistische significancetest slecht uitvoert. Mensen worden meestal geconfronteerd met dit probleem wanneer hun significantieniveau (α) verkeerd is. De kans bestaat dat uw P-waarde een vals-positief is. Om dit probleem tegen te gaan, kunt u het onderzoek echter herhalen. Als je een lage P-waarde vindt dan de vorige, heb je de vals-positiviteit van je uitkomst verminderd.

Talen

Weekly newsletter

No spam. Just the latest releases and tips, interesting articles, and exclusive interviews in your inbox every week.