P -arvo on tilastollinen mittaus, joka auttaa tutkijoita määrittämään, pitävätkö heidän hypoteesinsa paikkansa. P -arvoa käytetään määrittämään, ovatko heidän kokeensa tulokset tutkittujen asioiden normaaleilla arvoalueilla. Yleensä, jos tietojoukon P -arvo laskee alle tietyn ennalta määrätyn arvon (esimerkiksi 0,05), tutkijat hylkäävät kokeilun nollahypoteesin - toisin sanoen he sulkevat pois hypoteesin, jossa kokeellinen muuttuja on ei merkittävää vaikutusta tulokseen. Nykyään p -arvot löytyvät yleensä vertailutaulukoista laskemalla chi -neliöarvo.
Vaihe
Vaihe 1. Määritä kokeilun odotetut tulokset
Yleensä kun tutkijat suorittavat kokeen ja tutkivat tuloksia, heillä on jo etukäteen käsitys tavallisista tai tavallisista tuloksista. Tämä voi perustua aiempien kokeiden tuloksiin, luotettaviin havaintoaineistoihin, tieteelliseen kirjallisuuteen ja/tai muihin lähteisiin. Määritä kokeilulle odotettu tulos ja kirjoita se numeroksi.
Esimerkki: Oletetaan, että aikaisempi tutkimus osoitti, että kansallisella tasolla ylinopeusliput myönnettiin useammin punaisille autoille kuin sinisille. Oletetaan, että kansallisen tason keskimääräinen tulos osoittaa suhdetta 2: 1 ja punaisten autojen suhdetta enemmän. Haluamme selvittää, saako kaupunkimme poliisi myös saman suuntauksen analysoimalla kaupunkimme poliisin myöntämää ylinopeuslippua. Jos ottaisimme satunnaisen otoksen 150 ylinopeuslipusta, jotka annettiin sekä punaisille että sinisille autoille kaupungissa, odotamme 100 punaiselle autolle ja 50 sinisille autoille, jos kaupunkimme poliisiyksikkö antaa lipun kansallisen tason vertailun mukaisesti.
Vaihe 2. Määritä kokeelliset havaintosi
Nyt kun olet määrittänyt odotetun arvon, voit suorittaa kokeilun ja löytää todellisen arvon (tai havainnon). Kirjoita tulos uudelleen numeroksi. Jos manipuloimme joitain koeolosuhteita ja havaitut tulokset poikkeavat odotetuista tuloksista, on kaksi mahdollisuutta: joko tämä tapahtui sattumalta tai se, että manipuloimme kokeellisia muuttujia, aiheuttivat tämän eron. P-arvon löytämisen tarkoituksena on pohjimmiltaan määrittää, eroavatko havaitut tulokset odotetuista tuloksista siihen pisteeseen, jossa nollahypoteesia-hypoteesia, jonka mukaan kokeellisen muuttujan ja havaittujen tulosten välillä ei ole yhteyttä-ei voida hylätä.
Esimerkki: Oletetaan, että valitsemme kaupungissa satunnaisesti 150 ylinopeuslippua, jotka myönnetään sekä punaisille että sinisille autoille. Saamme 90 lippu punaiselle autolle ja 60 siniselle autolle. Tämä eroaa odotetusta tuloksesta, ts 100 ja 50. Oliko kokeellinen manipulointimme (tässä tapauksessa tietolähteen muuttaminen kansallisesta paikalliseksi) muuttanut tuloksia, vai oliko kaupunkipoliisillamme sama suuntaus kuin kansallisella tasolla, ja havaitsimme vain sattumaa? P -arvo auttaa meitä määrittämään sen.
Vaihe 3. Määritä kokeilusi vapausasteet
Vapausasteet ovat mitta tutkimuksen vaihtelevuudesta, joka määräytyy tutkittavien luokkien lukumäärän mukaan. Vapausasteiden yhtälö on Vapausasteet = n-1, jossa n on kokeessasi analysoitujen luokkien tai muuttujien lukumäärä.
-
Esimerkki: Kokeessamme on kaksi tulosluokkaa: toinen punaiselle autolle ja toinen siniselle autolle. Siten kokeessamme meillä on 2-1 = 1 vapausaste.
Jos vertaamme punaisia, sinisiä ja vihreitä autoja, meillä on
Vaihe 2. vapausasteita ja niin edelleen.
Vaihe 4. Vertaa odotettuja tuloksia havaittuihin tuloksiin käyttämällä chi -neliötä
Chi -neliö (kirjoitettu x2) on numeerinen arvo, joka mittaa kokeilun odotettujen ja havaittujen arvojen välisen eron. Chi -neliön yhtälö on: x2 = ((o-e)2/e), jossa o on havaittu arvo ja e on odotettu arvo. Yhdistä tämän yhtälön tulokset kaikkiin mahdollisiin tuloksiin (katso alla).
- Huomaa, että tämä yhtälö käyttää (sigma) -operaattoria. Toisin sanoen, sinun on laskettava ((| o-e | -.05)2/e) jokaisen mahdollisen tuloksen osalta, laske tulokset yhteen saadaksesi chi -neliöarvon. Esimerkissämme on kaksi tulosta - auto, joka saa punaisen tai sinisen lipun. Voimme siis laskea ((o-e)2/e) kahdesti - kerran punaiselle ja kerran siniselle autolle.
-
Esimerkki: Liitetään odotetut arvot ja havainnot yhtälöön x2 = ((o-e)2/e). Muista, että sigmaoperaattorin vuoksi meidän on laskettava ((o-e)2/e) kahdesti - kerran punaiselle ja kerran siniselle autolle. Käsittelyvaiheet ovat seuraavat:
- x2 = ((90-100)2/100) + (60-50)2/50)
- x2 = ((-10)2/100) + (10)2/50)
- x2 = (100/100) + (100/50) = 1 + 2 = 3.
Vaihe 5. Valitse merkitystaso
Nyt kun tiedämme kokeilupakkauksemme vapausasteet ja chi-neliöarvon, meidän on tehtävä vain viimeinen asia, ennen kuin löydämme p-arvon-meidän on määritettävä merkityksen taso. Periaatteessa merkitsevyystaso on mitta siitä, kuinka varmoja olemme tuloksistamme - alhainen merkitsevyys vastaa pientä todennäköisyyttä, että kokeen tulos johtui sattumasta ja päinvastoin. Merkitsevyyden taso kirjoitetaan desimaalina (esim. 0,01), mikä vastaa prosenttiosuutta siitä, että kokeen tulos johtui sattumasta (tässä tapauksessa 1%).
- Yleensä tiedemiehet asettavat yleensä kokeidensa merkitsevyyden arvoksi 0,05 tai 5 prosenttia. Tämä tarkoittaa, että kokeellisilla tuloksilla, jotka vastaavat tätä merkitsevyyden tasoa, on enintään 5% sattuman mahdollisuus. Toisin sanoen on 95% todennäköisyys, että tulokset johtuvat tutkijan manipuloimasta kokeellisia muuttujia, ei sattumasta. Useimmissa kokeissa 95%: n luottamus kahden muuttujan väliseen suhteeseen katsotaan onnistuneen osoittamaan näiden kahden suhteen.
- Esimerkki: Punaista ja sinistä autoa koskevassa esimerkissämme seurataan tieteellistä sopimusta ja määritetään merkityksemme 0, 05.
Vaihe 6. Käytä chi-neliöjakauma-taulukkoa arvioidaksesi p-arvosi
Tutkijat ja tilastotieteilijät käyttävät suuria arvotaulukoita laskeakseen kokeidensa p -arvot. Tämä taulukko on yleensä kirjoitettu siten, että pystysuora akseli vasemmalla osoittaa vapausasteet ja vaaka-akseli ylhäällä p-arvot. Käytä tätä taulukkoa etsimällä ensin vapausasteet ja lukemalla rivit vasemmalta oikealle, kunnes löydät ensimmäisen arvon, joka on suurempi kuin chi -neliöarvo. Katso p-arvoa sarakkeen yläosasta-p-arvo on tämän arvon ja seuraavan suurimman arvon välissä (oikea arvo on sen vasemmalla puolella).
- Chi -neliön jakelutaulukot ovat saatavilla useista eri lähteistä - ne löytyvät helposti verkosta tai tieteen tai tilaston oppikirjoista. Jos sinulla ei ole sellaista, käytä yllä olevassa kuvassa näkyvää taulukkoa tai ilmaista online -pöytää, kuten medcalc.org: n tarjoamaa taulukkoa.
-
Esimerkki: Chi-neliömme on 3. Joten käytämme yllä olevan kuvan chi-neliöjakaumataulukkoa likimääräisen p-arvon löytämiseksi. Koska tiedämme, että kokeilullamme on vain
Vaihe 1. vapausasteita, aloitamme ylimmästä taulukosta. Siirrymme vasemmalta oikealle tällä rivillä, kunnes löydämme korkeamman arvon
Vaihe 3. - meidän chi -neliöarvo. Ensimmäinen löydetty arvo on 3,84. Tätä saraketta etsiessämme näemme, että vastaava p-arvo on 0,05. Tämä tarkoittaa, että p-arvo on välillä 0,05 ja 0,1 (seuraavaksi suurin p-arvo taulukossa).
Vaihe 7. Päätä hylkäätkö vai puolustatko nollahypoteesisi
Koska olet löytänyt kokeilullesi likimääräisen p-arvon, voit päättää hylätäänkö kokeilun nollahypoteesi vai ei (muistutuksena tämä on hypoteesi, että manipuloimalla kokeellinen muuttuja ei vaikuttanut havaitsemiisi tuloksiin). Jos p-arvo on pienempi kuin merkitysarvo, onnittelut-olet osoittanut, että manipuloitujen muuttujien ja havaintojesi välillä on suuri todennäköisyys. Jos p-arvo on suurempi kuin merkitysarvo, et voi sanoa varmasti, että havaitsemasi tulokset ovat seurausta pelkästä sattumasta tai kokeilusi manipuloinnista.
- Esimerkki: P-arvomme on välillä 0,05-0,1. Se on siis vähintään 0,05, joten valitettavasti ei voi hylätä nollahypoteesiamme. Tämä tarkoittaa sitä, että emme saavuta asettamaamme 95%: n vähimmäisluottamusrajaa, jotta voidaan sanoa, että kaupunkimme poliisi myöntää lippuja punaisille ja sinisille autoille suhteessa, joka on aivan erilainen kuin kansallinen keskiarvo.
- Toisin sanoen on 5-10% mahdollisuus, että havaintomme eivät ole seurausta sijainnin muutoksesta (analysoimalla kaupunkiamme, ei koko osaa), vaan sattumaa. Koska etsimme todennäköisyyttä alle 5%, emme voi sanoa sitä vakuuttunut että kaupunkimme poliisilla on tapana liputtaa punaisia autoja - on pieni mutta tilastollisesti hyvin erilainen mahdollisuus, että heillä ei ole tätä taipumusta.
Vinkkejä
- Tieteellinen laskin helpottaa laskemista huomattavasti. Voit myös etsiä laskimia verkosta.
- Voit laskea p-arvot käyttämällä useita tietokoneohjelmia, mukaan lukien yleisesti käytetty laskentataulukko-ohjelmisto ja erikoistuneempi tilastollinen ohjelmisto.
