P-arvojen taustalla oleva teoria ja nollahypoteesi saattavat tuntua aluksi monimutkaisilta, mutta käsitteiden ymmärtäminen auttaa sinua navigoimaan tilastomaailmassa. Valitettavasti näitä termejä käytetään usein väärin populaaritieteessä, joten kaikkien olisi hyvä ymmärtää perusasiat.

mallin p-arvon laskeminen ja nollahypoteesin todistaminen/kumoaminen on yllättävän yksinkertaista MS Excelin avulla. Voimme tehdä sen kahdella tavalla. Käydään kimppuun.

nollahypoteesi ja p-arvo

nollahypoteesi on lausuma, jota kutsutaan myös oletusasemaksi, joka väittää, että havaittujen ilmiöiden välinen suhde on olematon. Sitä voidaan soveltaa myös kahden havaitun ryhmän välisiin assosiaatioihin. Tutkimuksen aikana testataan tämä hypoteesi ja yritetään kumota se.

sano esimerkiksi, että haluat tarkkailla, onko tietyllä villitysdieetillä merkittäviä tuloksia. Nollahypoteesi on tässä tapauksessa se, että koehenkilöiden painossa ei ole merkittävää eroa ennen ja jälkeen laihduttamisen. Vaihtoehtoinen hypoteesi on, että ruokavaliolla oli merkitystä. Tätä tutkijat yrittäisivät todistaa.

p-arvo kuvaa 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 0,1: n p-arvoksi tulisi esittää 10%.

alhainen p-arvo tarkoittaa, että todisteet nollahypoteesia vastaan ovat vahvoja. Tämä tarkoittaa myös sitä, että tietosi ovat merkittäviä. Toisaalta korkea p-arvo tarkoittaa, ettei hypoteesia vastaan ole vahvaa näyttöä. Todistaakseen, että villitysdieetti toimii, tutkijoiden olisi löydettävä alhainen p-arvo.

tilastollisesti merkitsevä tulos on se, jonka toteutuminen on erittäin epätodennäköistä, jos nollahypoteesi on tosi. Merkitsevyystaso merkitään kreikkalaisella kirjaimella alfa ja sen on oltava suurempi kuin p-arvo, jotta tulos olisi tilastollisesti merkitsevä.

monet eri alojen tutkijat käyttävät p-arvoa saadakseen paremman ja syvällisemmän käsityksen tutkimastaan aineistosta. Merkittäviä aloja ovat muun muassa sosiologia, Rikosoikeus, psykologia, Rahoitus ja taloustiede.

p-arvon löytäminen Excel 2010

voit löytää MS Excel-tietokokonaisuuden p-arvon T-Test-toiminnolla tai tietojen Analysointityökalulla. Tutkimme ensin T-Test-toimintoa. Tutkimme viisi 30 päivän dieetillä ollutta korkeakouluopiskelijaa. Vertaamme heidän painoaan ennen dieettiä ja sen jälkeen.

huomautus: tässä artikkelissa, me jakaa sen MS Excel 2010 ja 2016. Vaikka vaiheet pitäisi yleensä soveltaa kaikkiin versioihin, asettelu valikot ja mitä tahansa eroavat toisistaan.

T-Testifunktio

laske näiden vaiheiden avulla p-arvo T-Testifunktiolla.

1. luo ja kansoita taulukko. Pöytämme näyttää tältä.:
   
2. napsauta mitä tahansa pöytäsi ulkopuolella olevaa solua.
   
3. Type in: =T. Test (.
   
4. kun avoin kiinnike, kirjoita ensimmäinen argumentti. Tässä esimerkissä se on ennen ruokavaliota-palsta. Kantaman tulisi olla B2: B6. Toistaiseksi funktio näyttää tältä: T. testi (B2: B6.
   
5. seuraavaksi siirrymme toiseen väittelyyn. After Diet-sarake ja sen tulokset ovat toinen argumenttimme ja tarvitsemamme alue on C2: C6. Lisätään se kaavaan: T. testi(B2:B6,C2: C6.
   
6. Kirjoita pilkku toisen argumentin jälkeen ja yksihäntäiset ja kaksihäntäiset jakausvaihtoehdot ilmestyvät automaattisesti pudotusvalikkoon. Valitaan ykkösjakauma. Kaksoisnapsauta sitä.
   
7. kirjoita toinen pilkku.
   
8. kaksoisnapsauta pariksi vaihtoehto seuraavassa pudotusvalikosta.
   
9. nyt kun sinulla on kaikki tarvittavat elementit, sulje kiinnike. Tämän esimerkin kaava näyttää tältä: =T. testi (B2:B6, C2: C6,1,1)
   
10. paina Enter. Solu näyttää p-arvon välittömästi. Meidän tapauksessamme arvo on 0,133905569 tai 13,3905569%.
    

koska tämä p-arvo on yli 5%, se ei tarjoa vahvaa näyttöä nollahypoteesia vastaan. Meidän esimerkissämme tutkimus ei todistanut, että laihduttaminen auttoi koehenkilöitä laihtumaan merkittävästi. Tämä ei välttämättä tarkoita, että nollahypoteesi olisi oikea, vain että sitä ei ole vielä todistettu vääräksi.

Data Analysis Route

Data Analysis-työkalun avulla voi tehdä monia hienoja asioita, kuten p-arvon laskemista. Jotta asiat yksinkertaisempia, käytämme samaa taulukkoa kuin edellisessä menetelmässä.

näin se tehdään.

1. koska meillä on jo d-sarakkeen painoerot, jätämme erolaskennan väliin. Tulevaisuuden taulukoissa käytetään tätä kaavaa: = ”solu 1” – ”solu 2”.
2. napsauta seuraavaksi päävalikon Data-välilehteä.
   
3. valitse tietojen analysointityökalu.
   
4. Vieritä luetteloa alaspäin ja napsauta t-Test: pariksi kaksi näyte tarkoittaa vaihtoehto.
   
5. klikkaa OK.
   
6. ponnahdusikkuna ilmestyy. Se näyttää tältä.:
   
7. anna ensimmäinen vaihteluväli / argumentti. Meidän esimerkissämme se on B2: B6.
   
8. anna toinen alue / argumentti. Tällöin se on C2:C6.
   
9. jätä oletusarvo Alfa-tekstikenttään (se on 0.05).
   
10. Napsauta Output Range – radiopainiketta ja valitse, missä haluat tuloksen. Jos se on A8-solu, Kirjoita: $a$8.
    
11. klikkaa OK.
    
12. Excel laskee p-arvon ja useita muita parametreja. Finaalipöytä voi näyttää tältä:
    

kuten näette, yhden hännän p-arvo on sama kuin ensimmäisessä tapauksessa-0,133905569. Koska se on yli 0.05, nollahypoteesi pätee tähän taulukkoon, ja todisteet sitä vastaan ovat heikkoja.

p-arvon löytäminen Excel 2016: sta

vastaa edellä mainittuja vaiheita, käydään läpi p-arvon laskeminen Excel 2016: ssa.

1. käytämme samaa esimerkkiä kuin yllä, joten luo taulukko, jos haluat seurata mukana.
2. nyt solussa A8, type =T. testi (B2:B6, C2: C6
3. seuraavaksi soluun A8, Kirjoita pilkku C6: n jälkeen ja valitse sitten yksisuuntainen jakauma.
4. anna sitten toinen pilkku ja valitse pari.
5. yhtälön pitäisi nyt olla =T. testi (B2:B6, C2: C6,1,1).
6. lopuksi paina Enter nähdäksesi tuloksen.

tulokset voivat vaihdella muutaman desimaalin tarkkuudella riippuen asetuksistasi ja käytettävissä olevasta näytön tilasta.

tietoa p-arvosta

tässä hyödyllisiä vinkkejä p-arvon laskemiseen Excelissä.

1. jos p-arvo on 0, 05 (5%), taulukon tiedot ovat merkittäviä. Jos se on alle 0.05 (5%), TIEDOT sinulla on erittäin merkittävä.
2. jos p-arvo on yli 0,1 (10%), taulukon tiedot ovat merkityksettömiä. Jos se on 0,05-0,10 alueella, sinulla on marginaalisesti merkittäviä tietoja.
3. voit muuttaa alfa-arvoa, vaikka yleisimmät vaihtoehdot ovat 0,05 (5%) ja 0,10 (10%).
4. kaksipyrstötestin valitseminen voi olla hypoteesista riippuen parempi valinta. Yllä olevassa esimerkissä yksihäntäinen testaus tarkoittaa sitä, että tutkimme, ovatko koehenkilöt laihtuneet laihduttamisen jälkeen, ja juuri sitä meidän piti selvittää. Kaksipyrstötesti selvittäisi myös, lihoivatko ne tilastollisesti merkitsevästi.
5. p-arvo ei pysty tunnistamaan muuttujia. Toisin sanoen, jos se tunnistaa korrelaation, se ei pysty tunnistamaan syitä sen takana.

p-arvo Demystifioituna

jokaisen suolansa arvoisen tilastotieteilijän on tiedettävä nollahypoteesitestauksen yksityiskohdat ja mitä p-arvo tarkoittaa. Tästä tiedosta on hyötyä myös monien muiden alojen tutkijoille.