ระดับความสำคัญ

บทความนี้จะอธิบายว่าสถิติมีความสำคัญระดับใด ดังนั้นคุณจะพบความหมายของระดับนัยสำคัญ ตารางที่มีระดับนัยสำคัญบ่อยที่สุด และความสัมพันธ์ของระดับนัยสำคัญกับแนวคิดทางสถิติอื่นๆ

มีความสำคัญระดับใด?

ระดับนัยสำคัญ คือความน่าจะเป็นที่การประมาณค่าพารามิเตอร์ทางสถิติในประชากรอยู่นอกช่วงความเชื่อมั่น กล่าวอีกนัยหนึ่ง ระดับนัยสำคัญคือความน่าจะเป็นที่จะปฏิเสธสมมติฐานที่เป็นจริง

ในสถิติ ระดับนัยสำคัญแสดงด้วยสัญลักษณ์กรีก α (อัลฟา) นี่คือสาเหตุที่เรียกว่า ระดับอัลฟ่า

ตัวอย่างเช่น หากระดับนัยสำคัญคือ α=0.05 หมายความว่าความน่าจะเป็นที่จะปฏิเสธสมมติฐานเมื่อเป็นจริงคือ 5% กล่าวอีกนัยหนึ่ง ความน่าจะเป็นในการประมาณค่าพารามิเตอร์ทางสถิติและผิดพลาดโดยมีข้อผิดพลาดมากกว่าส่วนต่างของข้อผิดพลาดคือ 5%

ดังนั้น ระดับนัยสำคัญจึงเป็นขอบเขตในการพิจารณาว่าผลลัพธ์มีนัยสำคัญทางสถิติหรือไม่ โดยหากค่า p น้อยกว่าระดับนัยสำคัญ ผลลัพธ์จะถือว่ามีนัยสำคัญทางสถิติ ด้านล่างนี้เราจะเห็นความสัมพันธ์ระหว่างระดับนัยสำคัญและค่า p

ตารางระดับนัยสำคัญ

เมื่อเราได้เห็นคำจำกัดความของระดับนัยสำคัญแล้ว ตารางที่มีค่าของระดับนัยสำคัญที่พบบ่อยที่สุดจะแสดงอยู่ด้านล่าง

ระดับความเชื่อมั่น (1-α) ระดับนัยสำคัญ (α) ค่าวิกฤต (Z α/2 )
0.80 0.20 1,282
0.85 0.15 1,440
0.90 0.10 1,645
0.95 0.05 1960
0.99 0.01 2,576
0.995 0.005 2,807
0.999 0.001 3,291

ตารางนี้จะมีประโยชน์มากในการคำนวณขีดจำกัดของช่วงความเชื่อมั่น

ดังที่คุณเห็นในตาราง การเพิ่มระดับความเชื่อมั่นจะลดระดับนัยสำคัญ ซึ่งนำไปสู่ความเสี่ยงในการทำผิดพลาดน้อยลงเมื่อยอมรับสมมติฐาน และในทางกลับกัน ความแม่นยำลดลงในการประมาณค่าพารามิเตอร์ทางสถิติ . โดยทั่วไปมักใช้ระดับนัยสำคัญ 5% (α=0.05)

ระดับความสำคัญ 0% และ 100%

ค่าระดับนัยสำคัญสามารถอยู่ในช่วงตั้งแต่ 0% (α=0.00) ถึง 100% (α=1) อย่างไรก็ตาม ค่าสุดขั้วสองค่านี้ไม่ควรปรากฏในสถิติเนื่องจากเป็นค่าที่ไม่เป็นจริงสองค่า เราจะมาดูสาเหตุด้านล่าง

ระดับนัยสำคัญ 0% หมายความว่าไม่มีข้อสงสัยเกี่ยวกับความจริงของสมมติฐานที่ยอมรับ อย่างไรก็ตาม สถิติไม่มีระดับนัยสำคัญ 0% เว้นแต่จะมีการวิเคราะห์ประชากรทั้งหมด และถึงอย่างนั้นก็ไม่สามารถแน่ใจได้ทั้งหมดว่าไม่มีข้อผิดพลาดหรืออคติเกิดขึ้น เกิดขึ้นระหว่างการสอบสวน

ในทางตรงกันข้าม ระดับนัยสำคัญ 100% หมายความว่าสมมติฐานที่ถูกปฏิเสธเป็นจริงอย่างไม่ต้องสงสัย แต่ตามตรรกะแล้ว หากได้รับผลลัพธ์บางส่วนที่มีระดับนัยสำคัญ 100% ก็จะไม่มีการเผยแพร่ผลลัพธ์เหล่านั้นเลย เนื่องจากจะไม่มีความแน่นอนเกี่ยวกับความถูกต้องของผลลัพธ์ก่อนที่จะทำการศึกษาทางสถิติซ้ำ

ระดับนัยสำคัญและระดับความเชื่อมั่น

แนวคิดสองประการที่เกี่ยวข้องอย่างใกล้ชิดในสถิติที่ต้องชัดเจนคือระดับนัยสำคัญและระดับความเชื่อมั่น นี่คือเหตุผลว่าทำไมในส่วนนี้ เราจะมาดูว่าอะไรคือความแตกต่างระหว่างระดับนัยสำคัญและระดับความเชื่อมั่น

ความแตกต่างระหว่างระดับนัยสำคัญและระดับความเชื่อมั่น คือความน่าจะเป็นที่พวกเขากำหนด ระดับความเชื่อมั่นคือความน่าจะเป็นที่จะยอมรับสมมติฐานและเป็นจริง ในขณะที่ระดับนัยสำคัญคือความน่าจะเป็นที่จะปฏิเสธสมมติฐานแต่ว่าเป็นจริงจริงๆ

นอกจากนี้ ระดับนัยสำคัญบวกกับระดับความเชื่อมั่นจะส่งผลให้เกิดความสามัคคีเสมอ ดังนั้น หากระดับความเชื่อมั่นของช่วงความเชื่อมั่นคือ 1-α ระดับนัยสำคัญของช่วงความเชื่อมั่นเดียวกันนี้คือ α

\begin{array}{l}\text{Nivel de significaci\'on}=\alpha\\[2ex]\text{Nivel de confianza}=1-\alpha\end{array}

ตัวอย่างเช่น หากระดับความเชื่อมั่นของช่วงความเชื่อมั่นคือ 95% ระดับนัยสำคัญคือ 5% หมายความว่าถ้าเราศึกษาทางสถิติซ้ำ 100 ครั้ง 95 ครั้ง เราก็จะได้ผลลัพธ์ที่สอดคล้องกับจำนวนประชากรที่แท้จริง ในขณะที่ 5 ครั้ง เราก็จะได้ผลลัพธ์ที่ผิดพลาด

ระดับนัยสำคัญและค่า p

สุดท้ายนี้ เราจะดูว่าความสัมพันธ์ระหว่างระดับนัยสำคัญกับค่า p คืออะไร เนื่องจากเป็นสองแนวคิดที่ใช้กันอย่างแพร่หลายในการต่อต้านสมมติฐาน

ค่า p หรือที่เรียกว่า ค่า p คือค่าระหว่าง 0 ถึง 1 ที่บ่งบอกถึงความน่าจะเป็นที่ความแตกต่างที่สังเกตได้นั้นเกิดจากโอกาส ดังนั้น ค่า p บ่งบอกถึงความสำคัญของผลลัพธ์ และใช้เพื่อพิจารณาว่าสมมติฐานเป็นจริงหรือเท็จ

ดังนั้น ในการทดสอบสมมติฐาน หากค่า p มากกว่าระดับนัยสำคัญ สมมติฐานว่างจะถือเป็นจริง ในทางกลับกัน ถ้าค่า p ต่ำกว่าระดับนัยสำคัญ สมมติฐานว่างจะถูกปฏิเสธ และสมมติฐานทางเลือกจะถือว่าเป็นจริง

เพิ่มความคิดเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *