Hoe statistische significantie te evalueren

Stel het significantieniveau in om te bepalen hoe ongewoon uw gegevens moeten zijn voordat deze als significant kunnen worden beschouwd. Het significantieniveau (ook wel alfa genoemd) is de drempel die u instelt om de significantie te bepalen. Als je waarde p is kleiner dan of gelijk aan het vastgestelde significantieniveau, de gegevens worden als statistisch significant beschouwd.

Kies ervoor om een ​​test van één of twee staarten te gebruiken. Een van de aannames die een test maakt t is dat de gegevens normaal worden verspreid. Een normale gegevensverdeling vormt een belcurve, met de meeste van de monsters in het midden. De test t is een wiskundige test om te zien of de gegevens zich buiten de normale verdeling bevinden, hetzij boven of onder, in de "wachtrijen" van de curve.

Bepaal de grootte van het monster met een vermogensanalyse. De kracht van een test is de waarschijnlijkheid van het waarnemen van het verwachte resultaat gegeven een specifieke steekproefomvang. De gebruikelijke drempelwaarde voor potentie (of bèta) is 80%. Een vermogensanalyse kan een beetje gecompliceerd zijn zonder enige voorlopige gegevens, omdat u informatie nodig heeft over uw verwachte gemiddelden tussen elke groep en hun standaarddeviaties. Gebruik een online rekenmachine voor energieanalyse om de optimale steekproefomvang voor uw gegevens te bepalen.

Gemiddeld de steekproeven in elke groep. Om de standaardafwijking te berekenen, moet u eerst het gemiddelde van de steekproeven in de afzonderlijke groepen nemen. Het gemiddelde wordt aangeduid met de Griekse letter mu of μ. Voeg hiertoe eenvoudig elk monster toe en deel het resultaat vervolgens door het totale aantal monsters.

Trek elk monster van het gemiddelde af. Het volgende deel van de berekening heeft betrekking op het onderdeel (x_ik - μ) van de vergelijking. Je trekt elk monster af van het gemiddelde dat je net hebt berekend. Voor ons voorbeeld krijg je vier aftrekkingen.

Verhoog elk van deze getallen in het kwadraat en voeg ze toe. Elk van deze nieuwe nummers die u zojuist hebt berekend, krijgt nu een vierkant. Deze stap elimineert ook eventuele negatieve signalen. Als u na deze stap of aan het einde van uw berekening een negatief teken heeft, bent u deze stap mogelijk vergeten.

Deel door het totale aantal monsters minus 1. De formule verdeelt zich tussen N - 1 omdat het corrigeert het feit dat u geen volledige populatie hebt geteld, maar dat u een steekproef van de populatie van alle studenten hebt genomen om een ​​schatting te maken.

Neem de vierkantswortel. Als je hebt gedeeld door het aantal monsters minus 1, neem je de vierkantswortel van dit laatste getal. Dit is de laatste stap om de standaarddeviatie te berekenen. Er zijn statistische programma`s die deze berekening voor u uitvoeren nadat u de onbewerkte gegevens hebt ingevoerd.

Bereken de score t van uw gegevens. Een score t kunt u uw gegevens converteren op een manier waarmee u ze kunt vergelijken met andere gegevens. scores t staat u toe om een ​​test uit te voeren t waarmee je de kans kunt berekenen dat twee groepen significant van elkaar verschillen. De formule voor een score t is t = (μ₁ - μ₂) / s_d.

Bepaal de vrijheidsgraden van uw steekproef. Bij gebruik van de score t, het aantal vrijheidsgraden wordt bepaald met behulp van de steekproefomvang. Voeg het aantal steekproeven van elke groep toe en trek vervolgens 2 af. Voor ons voorbeeld zijn de vrijheidsgraden (gl) 8 omdat er vijf steekproeven in de eerste groep zijn en vijf steekproeven in de tweede ((5 + 5) - 2 = 8 ).

Gebruik een tabel om de significantie te evalueren. U kunt een scoretabel vinden t en vrijheidsgraden in een standaard of online statistisch boek. Kijk naar de rij met de vrijheidsgraden van uw gegevens en zoek naar de waarde p dat overeenkomt met de score t.