您的位置 首页 商业

统计显著性定义

什么是统计意义? 统计显著性是分析师的一种判断,即数据中的结果不能仅靠偶然来解释。统计假设检验是分析师做出这一决定的方法。这个测试提供了一个p值,这是观察结果与数据中的结果一样极端…

什么是统计意义?

统计显著性是分析师的一种判断,即数据中的结果不能仅靠偶然来解释。统计假设检验是分析师做出这一决定的方法。这个测试提供了一个p值,这是观察结果与数据中的结果一样极端的概率,假设结果确实只是由于偶然。5%或更低的p值通常被认为具有统计学意义。

关键要点

  • 统计显著性是确定两个或多个变量之间的关系是由偶然以外的原因引起的。
  • 统计显著性被用来提供关于零假设合理性的证据,零假设假设在数据中没有什么比随机机会更有效的了。
  • 统计假设检验用于确定数据集的结果是否具有统计显著性。
  • 1:26

    统计学意义

    理解统计意义

    统计显著性是对零假设的确定,零假设假设结果仅仅是由于偶然。当p值足够小时,数据集提供统计显著性。

    当p值很大时,那么数据中的结果只能用偶然来解释,并且数据被认为与零假设一致(虽然不能证明)。

    当p值足够小(例如5%或更小)时,结果不容易仅通过偶然来解释,并且数据被认为与零假设不一致;在这种情况下,仅仅作为数据解释的零概率假设被拒绝,取而代之的是更系统的解释。

    统计学意义通常用于新药试验、疫苗测试、有效性测试的病理学研究,以及告知投资者公司在发布新产品方面有多成功。

    统计显著性示例

    假设金融分析师乔·山波好奇一些投资者是否事先知道一家公司的突然失败。乔决定将公司破产前的日平均市场回报率与破产后的日平均市场回报率进行比较,看看这两个平均值之间是否有统计学上的显著差异。

    这项研究的p值为28% (>5%),表明在唯一可能的解释下,观察到的差异(-0.0033至+0.0007)并不罕见。因此,这些数据并不能提供令人信服的证据来证明对故障的预先了解。另一方面,如果p值是0.01%(远小于5%),那么在唯一机会的解释下,观察到的差异将非常不寻常。在这种情况下,乔可能会决定拒绝零假设,并进一步调查一些交易者是否事先知道。

    统计显著性也用于测试新的医疗产品,包括药物、设备和疫苗。具有统计意义的公开报告还能让投资者了解该公司发布新产品的成功程度。

    例如,糖尿病药物领域的制药领导者诺和诺德公司(Novo Nordisk)报告说,在测试其新的胰岛素时,1型糖尿病在统计上显著减少。该测试包括对糖尿病患者进行26周的随机家庭治疗,数据给出的p值小于5%。这向投资者和监管机构表明,数据显示1型糖尿病在统计上显著减少。制药公司的股票价格通常会受到其新产品统计重要性声明的强烈影响。

    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/3518.html

    作者: 爱财富网

    返回顶部