teorin bakom p-värden och nollhypotesen kan verka komplicerad först, men att förstå begreppen hjälper dig att navigera i statistikvärlden. Tyvärr missbrukas dessa termer ofta i populärvetenskap, så det skulle vara användbart för alla att förstå grunderna.

att beräkna p-värdet för en modell och bevisa/motbevisa nollhypotesen är förvånansvärt enkelt med MS Excel. Det finns två sätt att göra det och vi täcker dem båda. Låt oss gräva in.

nollhypotes och p-värde

nollhypotesen är ett uttalande, även kallat en standardposition, som hävdar att förhållandet mellan de observerade fenomenen är obefintlig. Det kan också tillämpas på föreningar mellan två observerade grupper. Under forskningen testar du denna hypotes och försöker motbevisa den.

säg till exempel att du vill observera om en viss modefluga diet har betydande resultat. Nollhypotesen är i detta fall att det inte finns någon signifikant skillnad i testpersonernas vikt före och efter dieting. Den alternativa hypotesen är att kosten gjorde skillnad. Detta är vad forskare skulle försöka bevisa.

p-värdet representerar chansen att den statistiska sammanfattningen skulle vara lika med eller större än det observerade värdet när nollhypotesen är sann för en viss statistisk modell. Även om det ofta uttrycks som ett decimaltal, är det i allmänhet bättre att uttrycka det i procent. Till exempel bör p-värdet på 0,1 representeras som 10%.

ett lågt p-värde innebär att bevisen mot nollhypotesen är stark. Detta innebär vidare att dina uppgifter är betydande. Å andra sidan betyder ett högt p-värde att det inte finns några starka bevis mot hypotesen. För att bevisa att modefluga diet fungerar, forskare skulle behöva hitta ett lågt p-värde.

ett statistiskt signifikant resultat är det som är mycket osannolikt att hända om nollhypotesen är sant. Signifikansnivån betecknas med den grekiska bokstaven alfa och den måste vara större än p-värdet för att resultatet ska vara statistiskt signifikant.

många forskare inom ett brett spektrum av områden använder p-värdet för att få en bättre och djupare inblick i de data de arbetar med. Några av de framstående områdena inkluderar sociologi, straffrätt, Psykologi, Finans och ekonomi.

hitta p-värdet i Excel 2010

du kan hitta p-värdet för en datamängd i MS Excel via t-testfunktionen eller Med hjälp av dataanalysverktyget. Först ska vi titta på t-testfunktionen. Vi kommer att undersöka fem studenter som gick på en 30-dagars diet. Vi jämför deras vikt före och efter kosten.

OBS!: i den här artikeln delar vi upp den i MS Excel 2010 och 2016. Även om stegen i allmänhet bör gälla för alla versioner, kommer menyernas layout och whatnot att skilja sig åt.

t-testfunktion

följ dessa steg för att beräkna p-värdet med t-testfunktionen.

1. skapa och fyll i tabellen. Vårt bord ser ut så här:
   
2. klicka på valfri cell utanför ditt bord.
   
3. skriv in :=T. Test (.
   
4. efter den öppna konsolen skriver du in det första argumentet. I det här exemplet är det kolumnen före Diet. Intervallet ska vara B2: B6. Hittills ser funktionen ut så här:T. Test(B2: B6.
   
5. därefter kommer vi in i det andra argumentet. Kolumnen efter Diet och dess resultat är vårt andra argument och det intervall vi behöver är C2:C6. Låt oss lägga till det i formeln: T. Test(B2:B6,C2:C6.
   
6. skriv in ett komma efter det andra argumentet och alternativen för en-tailed distribution och två-tailed distribution visas automatiskt i en rullgardinsmeny. Låt oss välja den första – en-tailed distributionen. Dubbelklicka på den.
   
7. skriv in ett annat komma.
   
8. dubbelklicka på det parade alternativet i nästa rullgardinsmeny.
   
9. nu när du har alla element du behöver, stäng konsolen. Formeln för detta exempel ser ut så här :=T. Test (B2: B6, C2: C6,1,1)
   
10. tryck på Enter. Cellen visar p-värdet omedelbart. I vårt fall är värdet 0,133905569 eller 13,3905569%.
    

att vara högre än 5% ger detta p-värde inte starka bevis mot nollhypotesen. I vårt exempel visade forskningen inte att dieting hjälpte testpersonerna att förlora en betydande mängd vikt. Detta betyder inte nödvändigtvis att nollhypotesen är korrekt, bara att den inte har motbevisats än.

Dataanalysväg

dataanalysverktyget låter dig göra många coola saker, inklusive p-värdeberäkningar. För att göra det enklare använder vi samma tabell som i föregående metod.

så här är det gjort.

1. eftersom vi redan har viktskillnaderna I d-kolumnen hoppar vi över skillnadsberäkningen. För framtida tabeller, använd denna formel: =”Cell 1″-”Cell 2”.
2. klicka sedan på fliken Data i huvudmenyn.
   
3. välj verktyget dataanalys.
   
4. bläddra ner i listan och klicka på alternativet T-Test: parat två prov för medel.
   
5. klicka på OK.
   
6. ett popup-fönster visas. Det ser ut så här:
   
7. ange det första intervallet / argumentet. I vårt exempel är det B2: B6.
   
8. ange det andra intervallet/argumentet. I det här fallet är det C2:C6.
   
9. lämna standardvärdet i textrutan Alfa (det är 0,05).
   
10. klicka på radioknappen Output Range och välj var du vill ha resultatet. Om det är A8-cellen skriver du in: $a$8.
    
11. klicka på OK.
    
12. Excel beräknar p-värdet och flera andra parametrar. Finalbordet kan se ut så här:
    

som du kan se är p-värdet med en svans detsamma som i det första fallet-0.133905569. Eftersom det är över 0.05, nollhypotesen gäller för denna tabell, och bevisen mot den är svag.

hitta p-värdet i Excel 2016

i likhet med stegen ovan, låt oss täcka beräkning av p-värdet i Excel 2016.

1. vi använder samma exempel som ovan, så skapa tabellen om du vill följa med.
2. nu, i Cell A8, typ =T. Test(B2:B6, C2: C6
3. därefter, i Cell A8, ange ett komma efter C6 och välj sedan en-tailed distribution.
4. ange sedan ett annat komma och välj parat.
5. ekvationen ska nu vara =T. Test (B2: B6, C2: C6,1,1).
6. slutligen trycker du på Enter för att visa resultatet.

resultaten kan variera med några decimaler beroende på dina inställningar och tillgängligt skärmutrymme.

saker att veta om p-värdet

här är några användbara tips om p-värdeberäkningar i Excel.

1. om p-värdet är lika med 0,05 (5%) är data i tabellen betydande. Om det är mindre än 0.05 (5%), de data du har är mycket betydande.
2. om p-värdet är mer än 0,1 (10%) är data i din tabell obetydlig. Om det ligger i intervallet 0,05-0,10 har du marginellt signifikanta data.
3. du kan ändra alfavärdet, men de vanligaste alternativen är 0,05 (5%) och 0,10 (10%).
4. att välja två-tailed testning kan vara det bättre valet, beroende på din hypotes. I exemplet ovan innebär en-tailed testning att vi undersöker om testpersonerna gick ner i vikt efter dieting, och det är precis vad vi behövde ta reda på. Men ett två-tailed test skulle också undersöka om de fick statistiskt signifikanta mängder vikt.
5. p-värdet kan inte identifiera variabler. Med andra ord, om det identifierar en korrelation, kan den inte identifiera orsakerna bakom den.

p-värdet Demystifierat

varje statistiker som är värd sitt salt måste känna till ins och outs av nollhypotestestning och vad p-värdet betyder. Denna kunskap kommer också att vara till nytta för forskare inom många andra områden.