Paano makalkula ang p-halaga nang higit pa

Ang teorya sa likod ng mga p -values ​​at ang null hypothesis ay maaaring mukhang kumplikado sa una, ngunit ang pag-unawa sa mga konsepto ay makakatulong sa iyo na mag-navigate sa mundo ng mga istatistika. Sa kasamaang palad, ang mga salitang ito ay madalas na maling ginagamit sa tanyag na agham, kaya magiging kapaki-pakinabang para sa lahat na maunawaan ang mga pangunahing kaalaman.

Tingnan din ang aming artikulo Kung Paano Tanggalin ang Bawat Iba pang Row sa Excel

Ang pagkalkula ng p -value ng isang modelo at nagpapatunay / hindi sumasang-ayon sa null hypothesis ay nakakagulat na simple sa MS Excel. Mayroong dalawang mga paraan upang gawin ito at takpan namin pareho ang mga ito. Maghukay tayo.

Null Hypothesis at p -Value

Ang null hypothesis ay isang pahayag, na tinukoy din bilang isang default na posisyon, na inaangkin na ang ugnayan sa pagitan ng mga naobserbahang phenomena ay hindi umiiral. Maaari rin itong ilapat sa mga asosasyon sa pagitan ng dalawang mga sinusunod na pangkat. Sa panahon ng pananaliksik, sinubukan mo ang hypothesis na ito at sinubukan mong iwaksi ito.

Halimbawa, sabihin na nais mong obserbahan kung ang isang partikular na fad diet ay may makabuluhang mga resulta. Ang null hypothesis, sa kasong ito, ay walang makabuluhang pagkakaiba sa timbang ng mga paksa ng pagsubok bago at pagkatapos kumain. Ang alternatibong hypothesis ay ang diyeta ay gumawa ng pagkakaiba. Ito ang nais subukan ng mga mananaliksik.

Ang p -value ay kumakatawan sa posibilidad na ang buod ng istatistika ay magiging katumbas o mas malaki kaysa sa naobserbahang halaga kapag ang null hypothesis ay totoo para sa isang tiyak na istatistika. Kahit na madalas itong ipinahayag bilang isang bilang ng perpekto, sa pangkalahatan ay mas mahusay na ipahayag ito bilang isang porsyento. Halimbawa, ang p -value ng 0.1 ay dapat na kinakatawan bilang 10%.

Ang isang mababang p -value ay nangangahulugan na ang katibayan laban sa null hypothesis ay malakas. Nangangahulugan pa ito na makabuluhan ang iyong data. Sa kabilang banda, ang isang mataas na p -value ay nangangahulugan na walang malakas na katibayan laban sa hypothesis. Upang patunayan na gumagana ang fad diet, ang mga mananaliksik ay kailangang makahanap ng isang mababang p -value.

Ang isang makabuluhang resulta ng istatistika ay ang isa na hindi malamang na mangyari kung ang null hypothesis ay totoo. Ang antas ng kabuluhan ay ipinapahiwatig sa alpabetong alpabetong alpha at dapat itong maging mas malaki kaysa sa p -value para sa resulta na maging makabuluhan sa istatistika.

Maraming mga mananaliksik sa isang malawak na hanay ng mga patlang ang gumagamit ng p -value upang makakuha ng isang mas mahusay at mas malalim na pananaw sa data na kanilang pinagtatrabahuhan. Ang ilan sa mga kilalang larangan ay kinabibilangan ng sosyolohiya, hustisya sa kriminal, sikolohiya, pananalapi, at ekonomiya.

Paghahanap ng p -Value sa Excel

Maaari mong mahanap ang p -value ng isang data na naka-set sa MS Excel sa pamamagitan ng T-Test function o gamit ang tool ng Pagsusuri ng Data. Una, titingnan natin ang pagpapaandar ng T-Test. Susuriin namin ang limang mag-aaral sa kolehiyo na nagpunta sa isang 30-araw na diyeta. Inihambing namin ang kanilang timbang bago at pagkatapos ng pagkain.

TANDAAN: Para sa mga layunin ng artikulong ito, gagamitin namin ang MS Excel 2010. Bagaman hindi ito ang pinakabagong, ang mga hakbang ay dapat na pangkalahatan ay mailalapat din sa mga mas bagong bersyon.

T-Test Function

Sundin ang mga hakbang na ito upang makalkula ang p -value na may function na T-Test.

1. Lumikha at i-populate ang talahanayan. Ang aming talahanayan ay ganito:
   

   

2. Mag-click sa anumang cell sa labas ng iyong mesa.
3. I-type ang: = T.Test (.
4. Matapos ang bukas na bracket, mag-type sa unang argumento. Sa halimbawang ito, ito ay ang haligi ng Bago Diet. Ang saklaw ay dapat na B2: B6. Sa ngayon, ang pag-andar ay ganito ang hitsura: T.Test (B2: B6.
5. Susunod, ipasok namin ang pangalawang argumento. Ang haligi ng After Diet at ang mga resulta nito ay ang aming pangalawang argumento at ang saklaw na kailangan namin ay C2: C6. Idagdag natin ito sa formula: T.Test (B2: B6, C2: C6.
6. I-type ang isang kuwit pagkatapos ng pangalawang argumento at ang isang-tailed na pamamahagi at mga pagpipilian sa pamamahagi ng dalawang-tailed ay awtomatikong lilitaw sa isang drop-down menu. Piliin natin ang una - isang pamamahagi ng isang-buntot. I-double click ito.
7. Mag-type sa isa pang kuwit.
8. Mag-double-click sa Pagpapares na pagpipilian sa susunod na drop-down na menu.
9. Ngayon na mayroon ka ng lahat ng mga elemento na kailangan mo, isara ang bracket. Ang pormula para sa halimbawang ito ay mukhang ganito: = T.Test (B2: B6, C2: C6, 1, 1)
   

   
10. Pindutin ang enter. Ipapakita ng cell ang p -value kaagad. Sa aming kaso, ang halaga ay 0.133906 o 13.3906%.

Ang pagiging mas mataas kaysa sa 5%, ang p -value na ito ay hindi nagbibigay ng malakas na katibayan laban sa null hypothesis. Sa aming halimbawa, ang pananaliksik ay hindi nagpapatunay na nakatulong ang pagdidiyeta sa mga asignatura sa pagsubok na mawalan ng isang malaking timbang. Hindi ito nangangahulugang tama ang null hypothesis, lamang na hindi pa ito nalutas.

Ruta ng Pagsusuri ng Data

Hinahayaan ka ng tool ng Data Analysis na gawin mo ang maraming mga cool na bagay, kabilang ang mga pagkalkula ng p -value. Upang gawing mas simple ang mga bagay, gagamitin namin ang parehong talahanayan tulad ng sa nakaraang pamamaraan.

Narito kung paano ito nagawa.

1. Dahil mayroon na tayong mga pagkakaiba sa timbang sa haligi ng D, laktawan namin ang pagkalkula ng pagkakaiba. Para sa mga talahanayan sa hinaharap, gamitin ang pormula na ito: = "Cell 1" - "Cell 2".
2. Susunod, mag-click sa tab na Data sa Main menu.
3. Piliin ang tool ng Pagsusuri ng Data.
4. Mag-scroll down sa listahan at i-click ang t-Test: Ipares ang Dalawang Pagpipilian ng Halimbawang para sa Kahulugan.
5. Mag-click sa OK.
6. Lilitaw ang isang pop-up window. Mukhang ganito:
   

   
7. Ipasok ang unang saklaw / argumento. Sa aming halimbawa, ito ay B2: B6.
8. Ipasok ang pangalawang saklaw / argumento. Sa kasong ito, ito ay C2: C6.
9. Iwanan ang default na halaga sa kahon ng teksto ng Alpha (ito ay 0.05).
10. Mag-click sa pindutan ng radio ng Output Range at piliin kung saan mo nais ang resulta. Kung ito ang cell A8, type sa: $ A $ 8.
11. Mag-click sa OK.
12. Kakalkula ng Excel ang p -value at maraming iba pang mga parameter. Ang pangwakas na talahanayan ay maaaring ganito:
    

    

Tulad ng nakikita mo, ang one-tail p -value ay pareho sa unang kaso - 0.133905569. Dahil nasa itaas ito ng 0.05, ang null hypothesis ay nalalapat para sa talahanayan na ito, at ang katibayan laban dito ay mahina.

Mga bagay na Malalaman Tungkol sa p -Value

Narito ang ilang mga kapaki-pakinabang na tip tungkol sa mga pagkalkula ng p -value sa Excel.

1. Kung ang p -value ay katumbas ng 0.05 (5%), ang data sa iyong talahanayan ay makabuluhan. Kung ito ay mas mababa sa 0.05 (5%), ang data na mayroon ka ay lubos na makabuluhan.
2. Kung sakaling ang p -value ay higit sa 0.1 (10%), ang data sa iyong talahanayan ay hindi gaanong mahalaga. Kung nasa saklaw na ito ng 0.05-0.10, mayroon kang makabuluhang data.
3. Maaari mong baguhin ang halaga ng alpha, kahit na ang pinakakaraniwang mga pagpipilian ay 0.05 (5%) at 0.10 (10%).
4. Ang pagpili ng two-tailed na pagsubok ay maaaring maging mas mahusay na pagpipilian, depende sa iyong hypothesis. Sa halimbawa sa itaas, nangangahulugan na ang isang tailing pagsubok ay nangangahulugan na tuklasin namin kung ang mga paksa ng pagsubok ay nawalan ng timbang pagkatapos kumain, at iyon mismo ang kailangan namin upang malaman. Ngunit susuriin din ng isang two-tailed test kung nakakuha sila ng istatistikong makabuluhang halaga ng timbang.
5. Ang p -value ay hindi matukoy ang mga variable. Sa madaling salita, kung nakikilala nito ang isang ugnayan, hindi nito malalaman ang mga sanhi sa likod nito.

Ang p -Value Demystified

Ang bawat istatistika na nagkakahalaga ng kanyang asin ay kailangang malaman ang in at out of null hypothesis testing at kung ano ang kahulugan ng p -value. Malalaman din ang kaalamang ito sa mga mananaliksik sa maraming iba pang larangan.

Nagamit mo na ba ang Excel upang makalkula ang p -value ng isang modelo ng istatistika? Aling pamamaraan ang ginamit mo? Mas gusto mo ba ang isa pang paraan upang makalkula ito? Ipaalam sa amin sa seksyon ng mga komento.