【1047】P>0.05,本身就是没意义还是样本量不够?
统计学就是“放屁”,就是在我们科学研究结果后面放上1个P值,根据这个P值的大小来判断研究因素到底有效无效。
然而,很多的时候,我们得到P>0.05,犹如晴空霹雳,天空暗淡了许多。其实大可不必,或许还有转机,也许真正是有差异的,只不过是您的样本量不够导致的呢?
精鼎46期SPSS统计软件实战训练营(北京站)
(详情点击)
下表为松哥虚构的例子,研究血型和性别对身高的影响,结果发现不同性别的F=158.658,对应P=0.00,说明性别对身高是有影响的。
然而血型检验的F=0.677,P=0.610,说明血型对身高没有影响,基于专业好像也是这么道理。
检验效能,又称假设检验的功效(power of a test),用1-β表示,其意义是,当所研究的总体与H0确有差别时,按照检验水准α能够发现它(拒绝H0)的概率。
若1-β=0.90,则意味着当H0不成立时,理论上在100次抽样实验中,在α检验水准上平均有90次能拒绝H0。
上表分析中,性别对应的检验效能(实测幂)=1.00,意思是如果不同性别的身高是有差异的,本次能够发现差异的能力为100%,那就是结果杠杠滴!
而血型对应的检验效能=0.214,即如果不同血型身高是有差异的,本次发现这种差异的能力为21.4%。实在是低呀。有可能是样本量不足,没能发现。
检验效能受4方面因素影响:总体差别大小;检验水准(α)大小;标准差大小;样本量的大小。
统计思维与统计理论系列[1]
【1046】两因素方差分析,如何判断哪个因素对结果影响较大?
【1037】SCI论文中Logistic回归模型“门当户对”原则,松哥心得推荐给您
【1030】没有比较就没有伤害,让咱们互相伤害吧,教你4大类统计伤害方法
【1019】方差分析P>0.05,两两比较LSD法P<0.05,这可咋整?
【1018】倾向性评分后数据,应该采用配对设计还是成组设计?
【1003】连续变量变成等级变量后,原来有意义的变量变得没意义了?
【1001】SCI论文中的P for trend是什么鬼?为什么高分文章经常采用呢
原创不易,如果可以,点击底部广告5秒!
---我创作,您阅读,广告商买单---
精鼎原创,欢迎转发,未经允许,谢绝转载!