Laman

Sabtu, 01 Desember 2012

Signifikansi statistik

Apa "signifikansi statistik" benar-benar berarti?
Banyak peneliti menjadi sangat gembira ketika mereka telah menemukan "statistik signifikan" Temuan, tanpa benar-benar memahami apa artinya. Ketika statistik adalah signifikan, itu hanya berarti bahwa Anda sangat yakin bahwa statistik yang dapat diandalkan. Ini tidak berarti temuan itu penting atau bahwa ia memiliki utilitas pengambilan keputusan.
Sebagai contoh, misalkan kita berikan 1.000 orang tes IQ, dan kami menanyakan apakah ada perbedaan yang signifikan antara skor pria dan wanita. Skor rata-rata untuk laki-laki adalah 98 dan skor rata-rata untuk wanita adalah 100. Kami menggunakan kelompok-kelompok independen t-test dan menemukan bahwa perbedaan itu signifikan pada tingkat .001. Pertanyaan besar adalah, "Jadi apa?". Perbedaan antara 98 dan 100 pada tes IQ merupakan perbedaan yang sangat kecil ... sangat kecil, pada kenyataannya, bahwa hubunganya bahkan tidak penting.
Lalu mengapa t-statistik keluar signifikan? Karena ada ukuran sampel yang besar. Bila Anda memiliki ukuran sampel yang besar, perbedaan yang sangat kecil akan terdeteksi sebagai signifikan. Ini berarti bahwa Anda sangat yakin bahwa perbedaan itu nyata (yaitu, tidak terjadi secara kebetulan). Ini tidak berarti bahwa perbedaan itu besar atau penting. Jika kita hanya diberi tes IQ untuk 25 orang, bukan 1.000, perbedaan dua poin antara pria dan wanita tidak akan signifikan.
Signifikansi adalah istilah statistik yang menceritakan bagaimana memastikan Anda adalah bahwa perbedaan atau hubungan yang ada. Untuk mengatakan bahwa perbedaan yang signifikan atau hubungan ada hanya memberitahu setengah cerita. Kita mungkin sangat yakin bahwa ada hubungan, tetapi apakah itu hubungan yang kuat moderat, atau lemah? Setelah menemukan hubungan yang signifikan, penting untuk mengevaluasi kekuatannya. Hubungan yang signifikan dapat menjadi kuat atau lemah. Perbedaan signifikan dapat menjadi besar atau kecil. Itu hanya tergantung pada ukuran sampel Anda.
Banyak peneliti menggunakan kata "signifikan" untuk menggambarkan temuan yang mungkin memiliki pengambilan keputusan utilitas untuk klien. Dari sudut pandang statistik, ini adalah penggunaan yang salah dari kata. Namun, kata "signifikan" memiliki arti hampir universal untuk publik. Dengan demikian, banyak peneliti menggunakan kata "signifikan" untuk menggambarkan perbedaan atau hubungan yang mungkin strategis penting untuk klien (terlepas dari setiap uji statistik). Dalam situasi ini, kata "signifikan" digunakan untuk menyarankan klien untuk mencatat perbedaan tertentu atau hubungan karena mungkin relevan dengan rencana strategis perusahaan. Kata "signifikan" bukan domain eksklusif statistik dan digunakan baik benar dalam dunia bisnis. Dengan demikian, untuk ahli statistik, mungkin bijaksana untuk mengadopsi kebijakan selalu mengacu pada "signifikansi statistik" bukan hanya "signifikansi" ketika berkomunikasi dengan publik.
Satu-Ekor dan Dua-tailed Signifikansi Tes
Salah satu konsep penting dalam pengujian signifikansi adalah apakah Anda menggunakan uji satu sisi atau dua-ekor signifikansi. Jawabannya adalah bahwa hal itu tergantung pada hipotesis Anda. Ketika hipotesis penelitian Anda menyatakan arah perbedaan atau hubungan, maka Anda menggunakan probabilitas satu-ekor. Misalnya, uji satu sisi akan digunakan untuk menguji hipotesis nol: Perempuan tidak akan mencetak secara signifikan lebih tinggi daripada laki-laki pada tes IQ. Pekerja kerah biru tidak akan membeli produk secara signifikan lebih dari pekerja kerah putih. Superman tidak signifikan lebih kuat dibandingkan orang rata-rata. Dalam setiap kasus, hipotesis nol (tidak langsung) memprediksi arah perbedaan. Sebuah uji dua-ekor akan digunakan untuk menguji hipotesis nol: Tidak akan ada perbedaan yang signifikan dalam skor IQ antara pria dan wanita. Tidak akan ada perbedaan yang signifikan dalam jumlah produk yang dibeli antara kerah biru dan pekerja kerah putih. Tidak ada perbedaan yang signifikan dalam kekuatan antara Superman dan rata-rata orang. Kemungkinan satu-ekor adalah persis setengah nilai probabilitas dua-ekor.
Ada kontroversi mengamuk (selama sekitar seratus tahun terakhir) pada apakah atau tidak itu pernah tepat untuk menggunakan uji satu sisi. Alasannya adalah bahwa jika Anda sudah tahu arah perbedaan, mengapa repot-repot melakukan apapun uji statistik. Sementara itu umumnya paling aman untuk menggunakan dua ekor tes, ada situasi di mana uji satu sisi tampaknya lebih tepat. Intinya adalah bahwa itu adalah pilihan dari peneliti apakah akan menggunakan pertanyaan penelitian satu-ekor atau dua-ekor.
Prosedur Digunakan untuk Test for Significance
Setiap kali kita melakukan uji signifikansi, melibatkan membandingkan nilai tes yang kita telah dihitung untuk beberapa nilai kritis untuk statistik. Tidak peduli apa jenis statistik kita menghitung (misalnya, sebuah t-statistik, statistik chi-square, F-statistik, dll), prosedur untuk menguji signifikansi adalah sama.
  1. Tentukan tingkat alpha penting yang akan Anda gunakan (misalnya, tingkat kesalahan Anda bersedia menerima).
  2. Melakukan penelitian.
  3. Hitung statistik.
  4. Bandingkan statistik untuk nilai kritis yang diperoleh dari tabel.
Jika statistik Anda lebih tinggi dari nilai kritis dari tabel:
  • Temuan Anda adalah signifikan.
  • Anda menolak hipotesis nol.
  • Probabilitas yang kecil bahwa perbedaan atau hubungan yang terjadi secara kebetulan, dan p kurang dari tingkat alpha kritis (p <alpha).
Jika statistik Anda lebih rendah dari nilai kritis dari tabel:
  • Temuan Anda tidak signifikan.
  • Anda gagal untuk menolak hipotesis nol.
  • Probabilitas yang tinggi bahwa perbedaan atau hubungan yang terjadi secara kebetulan, dan p lebih besar dari tingkat alpha kritis (p> alpha).
Perangkat lunak komputer modern dapat menghitung probabilitas yang tepat untuk statistik tes yang paling. Jika Anda memiliki probabilitas yang tepat dari perangkat lunak komputer, hanya membandingkannya dengan tingkat alpha penting Anda. Jika probabilitas yang tepat kurang dari tingkat alpha kritis, temuan Anda adalah signifikan, dan jika probabilitas yang tepat lebih besar dari tingkat alpha kritis, temuan Anda tidak signifikan. Menggunakan tabel tidak diperlukan bila Anda memiliki probabilitas yang tepat untuk statistik.

Tidak ada komentar:

Poskan Komentar