您的位置 首页 商业

统计显著性定义

什么是统计意义? 统计显著性是指由测试或实验产生的数据产生的结果不太可能随机出现,也不太可能由变化引起,而是可能归因于特定的原因。对于严重依赖数据分析和研究的学科或从业者来说,具有…

什么是统计意义?

统计显著性是指由测试或实验产生的数据产生的结果不太可能随机出现,也不太可能由变化引起,而是可能归因于特定的原因。对于严重依赖数据分析和研究的学科或从业者来说,具有统计意义非常重要,例如经济学、金融学、投资学、医学、物理学和生物学。

统计显著性可分为强或弱。当分析一个数据集并进行必要的测试来辨别一个或多个变量是否对结果有影响时,强有力的统计显著性有助于支持这样一个事实,即结果是真实的,而不是由运气或机会引起的。简单地说,如果p值很小,那么结果被认为更可靠。

问题出现在统计显著性测试中,因为研究人员通常使用更大群体的样本,而不是群体本身。因此,样本必须代表总体,因此样本中包含的数据不得有任何偏差。在包括经济学在内的大多数科学中,如果一项主张可以在95%(或有时99%)的水平上提出,统计意义是相关的。

理解统计意义

统计显著性(显著性检验)的计算存在一定程度的误差。研究者必须事先定义抽样误差的概率,这种误差存在于任何不包括整个人群的测试中。

样本量是统计意义的一个重要组成部分,因为较大的样本不太容易产生侥幸心理。在显著性检验中只能使用随机的、有代表性的样本。一个人可以接受一个事件是否具有统计显著性的水平被称为显著性水平。

研究人员使用一种被称为p值的测试统计来确定统计显著性:如果p值低于显著性水平,那么结果在统计上是显著的。p值是数据样本均值和标准差的函数。

p值表示给定统计结果出现的概率,假设结果仅由偶然事件引起。如果这个概率很小,那么研究人员可以安全地将我们的机会作为一个原因。p值必须低于显著性水平,结果才能至少被认为具有统计学显著性。

显著性水平的反义词是置信水平,计算为1减去显著性水平。它表示统计结果不是偶然或抽样误差产生的置信度。在许多统计测试中,通常的置信水平是95%,导致通常的显著性水平或p值为5%。

关键要点

  • 统计显著性是指测试或实验产生的数据结果可能归因于特定原因的说法。
  • 如果一个统计数据有很高的重要性,那么它被认为是更可靠的。
  • 统计显著性的计算有一定程度的误差。
  • 当研究人员在报告他们的结果时不小心使用语言时,统计意义可能会被误解。
  • 根据正在进行的研究,使用了几种类型的显著性检验
  • 特殊考虑

    统计意义并不总是表明实际意义,这意味着结果不能应用于现实世界的商业情况。此外,当研究人员在报告他们的结果时不小心使用语言时,统计意义可能会被误解。因为一个结果具有统计显著性并不意味着它不是随机的,只是它随机的概率大大降低了。

    仅仅因为两个数据系列之间有很强的相关性并不意味着因果关系。例如,演员尼古拉斯·凯奇在某一年出演的电影数量与在游泳池中意外溺水的数量高度相关。但是这种相关性是虚假的,因为没有理论上的因果关系。

    另一个在统计意义上可能出现的问题是,过去的数据,以及来自这些数据的结果,无论是否具有统计意义,都可能无法反映当前或未来的状况。在投资中,这可能表现在金融危机期间价格模型崩溃,因为相关性改变,变量不像通常那样相互作用。统计意义还可以帮助投资者辨别一种资产定价模式是否优于另一种。

    统计显著性检验的类型

    根据正在进行的研究,使用了几种类型的显著性检验。例如,可以对一个、两个或多个不同大小的数据样本进行测试,以获得平均值、方差、比例、成对或不成对数据或不同的数据分布。

    零假设

    所有这些因素都有所谓的零假设,显著性往往是统计学中假设检验的目标。最常见的零假设是所讨论的参数等于零(通常表示变量对感兴趣的结果没有影响)。如果你能以95%或更高的置信度拒绝零假设,研究人员可以调用统计显著性。零假设也可以测试两种或多种替代治疗的效果是否相等(而不是等于零),例如,在临床试验中,药物和安慰剂之间的效果。

    拒绝零假设,即使非常高的统计显著性永远不能证明什么,也只能给现有的假设增加支持。另一方面,未能拒绝一个无效假设往往是驳回一个假设的理由。

    统计显著性检验与计算置信区间有许多相同的数学原理。在常见情况下,解释统计显著性的一种方法是相应的95%置信区间不包含值零。即使发现一个变量在统计上有意义,它在现实世界中仍然有意义。

    此外,一个影响可能在统计上是显著的,但只有非常小的影响。例如,由于在浴室使用双层卫生纸的公司员工生产率更高,这可能是非常不可能的,但每个员工绝对生产率的提高可能微乎其微。

    本文来自网络,不代表爱财富网立场,转载请注明出处:http://www.htuba.com/news/3237.html

    作者: 爱财富网

    返回顶部