ความน่าเชื่อถือทางสถิติถือเป็นสิ่งสำคัญในการฝึกคำนวณของ FCC ก่อนหน้านี้ก็มีข้อสังเกตจากที่เดียวกัน ประชากรสามารถเลือกได้หลายตัวอย่าง:
หากเลือกอย่างถูกต้องตัวบ่งชี้เฉลี่ยและตัวบ่งชี้ของประชากรทั่วไปจะแตกต่างกันเล็กน้อยจากขนาดของข้อผิดพลาดในการเป็นตัวแทนโดยคำนึงถึงความน่าเชื่อถือที่ยอมรับได้
หากเลือกจากประชากรที่แตกต่างกัน ความแตกต่างระหว่างพวกเขาจะกลายเป็นเรื่องสำคัญ สถิติเป็นเรื่องเกี่ยวกับการเปรียบเทียบตัวอย่าง
หากพวกเขาแตกต่างกันอย่างไม่มีนัยสำคัญ ไม่มีหลักการ ไม่มีนัยสำคัญ กล่าวคือ จริงๆ แล้วพวกเขาอยู่ในประชากรทั่วไปกลุ่มเดียวกัน ความแตกต่างระหว่างพวกเขาเรียกว่าไม่น่าเชื่อถือทางสถิติ
มีความน่าเชื่อถือทางสถิติ ความแตกต่างของกลุ่มตัวอย่างคือกลุ่มตัวอย่างที่แตกต่างกันอย่างมีนัยสำคัญและเป็นพื้นฐาน กล่าวคือ เป็นของกลุ่มประชากรทั่วไปที่แตกต่างกัน
ที่ FCC การประเมินนัยสำคัญทางสถิติของความแตกต่างของตัวอย่างหมายถึงการแก้เซต ปัญหาในทางปฏิบัติ- เช่น การแนะนำวิธีการสอน โปรแกรม ชุดแบบฝึกหัด แบบทดสอบใหม่ๆ การออกกำลังกายควบคุมมีความเกี่ยวข้องกับการทดสอบเชิงทดลอง ซึ่งควรแสดงให้เห็นว่ากลุ่มการทดสอบมีความแตกต่างจากกลุ่มควบคุมโดยพื้นฐาน จึงมีความพิเศษ วิธีการทางสถิติเรียกว่าเกณฑ์ที่มีนัยสำคัญทางสถิติ ซึ่งช่วยให้เราสามารถตรวจจับการมีอยู่หรือไม่มีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างตัวอย่างได้
เกณฑ์ทั้งหมดแบ่งออกเป็นสองกลุ่ม: แบบอิงพารามิเตอร์และแบบไม่มีพารามิเตอร์ เกณฑ์พาราเมตริกกำหนดให้ต้องมีกฎหมายการแจกแจงแบบปกติ เช่น นี่หมายถึงการกำหนดตัวบ่งชี้หลักของกฎหมายปกติ - ค่าเฉลี่ย ปริมาณเลขคณิตและค่าเบี่ยงเบนมาตรฐาน s เกณฑ์พาราเมตริกมีความแม่นยำและถูกต้องที่สุด การทดสอบแบบไม่อิงพารามิเตอร์จะขึ้นอยู่กับความแตกต่างอันดับ (ลำดับ) ระหว่างองค์ประกอบตัวอย่าง
ต่อไปนี้เป็นเกณฑ์หลักสำหรับนัยสำคัญทางสถิติที่ใช้ในการฝึก FCC: การทดสอบของนักเรียนและการทดสอบของฟิชเชอร์
การทดสอบของนักเรียนตั้งชื่อตามนักวิทยาศาสตร์ชาวอังกฤษ K. Gosset (นักเรียน - นามแฝง) ผู้ค้นพบ วิธีนี้- การทดสอบของนักเรียนเป็นแบบพาราเมตริกและใช้สำหรับการเปรียบเทียบ ตัวชี้วัดที่แน่นอนตัวอย่าง ตัวอย่างอาจมีขนาดแตกต่างกัน
การทดสอบของนักเรียน ถูกกำหนดเช่นนี้
1. ค้นหาแบบทดสอบ Student โดยใช้สูตรต่อไปนี้:
ค่าเฉลี่ยเลขคณิตของกลุ่มตัวอย่างที่เปรียบเทียบอยู่ที่ไหน เสื้อ 1, เสื้อ 2 - ข้อผิดพลาดของการเป็นตัวแทนที่ระบุบนพื้นฐานของตัวบ่งชี้ของกลุ่มตัวอย่างที่เปรียบเทียบ
2. การฝึกฝนที่ FCC แสดงให้เห็นว่าสำหรับงานกีฬาก็เพียงพอที่จะยอมรับความน่าเชื่อถือของบัญชี P = 0.95
ความน่าเชื่อถือในการนับ: P = 0.95 (a = 0.05) พร้อมจำนวนองศาอิสระ
k = n 1 + n 2 - 2 จากตารางในภาคผนวก 4 เราค้นหาค่าของค่าขีด จำกัด ของเกณฑ์ ( ทีกรัม).
3. ขึ้นอยู่กับคุณสมบัติของกฎการกระจายแบบปกติ เกณฑ์ของนักเรียนจะเปรียบเทียบ t และ t gr
เราได้ข้อสรุป:
ถ้า t t gr ความแตกต่างระหว่างตัวอย่างที่เปรียบเทียบนั้นมีนัยสำคัญทางสถิติ
หากไม่ได้หมายความว่าความแตกต่างนั้นไม่มีนัยสำคัญทางสถิติ
สำหรับนักวิจัยในสาขา FCS การประเมินนัยสำคัญทางสถิติเป็นขั้นตอนแรกในการแก้ปัญหาเฉพาะเจาะจง ไม่ว่าตัวอย่างที่เปรียบเทียบจะมีความแตกต่างกันโดยพื้นฐานหรือไม่ก็ตาม ขั้นตอนต่อไปคือการประเมินความแตกต่างนี้ด้วย จุดการสอนการมองเห็นซึ่งถูกกำหนดโดยเงื่อนไขของปัญหา
ลองพิจารณาการประยุกต์ใช้แบบทดสอบนักเรียนโดยใช้ตัวอย่างเฉพาะ
ตัวอย่างที่ 2.14 กลุ่มตัวอย่าง 18 คนได้รับการประเมินอัตราการเต้นของหัวใจ (bpm) ก่อน x i และหลัง ใช่แล้วอุ่นเครื่อง
ประเมินประสิทธิผลของการวอร์มอัพตามอัตราการเต้นของหัวใจ ข้อมูลเบื้องต้นและการคำนวณแสดงไว้ในตาราง 2.30 และ 2.31 น.
ตารางที่ 2.30
การประมวลผลตัวบ่งชี้อัตราการเต้นของหัวใจก่อนอบอุ่นร่างกาย
ข้อผิดพลาดของทั้งสองกลุ่มเกิดขึ้นพร้อมกันเนื่องจากขนาดตัวอย่างเท่ากัน (ศึกษากลุ่มเดียวกันที่ เงื่อนไขที่แตกต่างกัน) และค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐานเท่ากับ s x = s y = 3 ครั้ง/นาที มาดูการกำหนดการทดสอบของนักเรียนกันดีกว่า:
เราตั้งค่าความน่าเชื่อถือของบัญชี: P = 0.95
จำนวนองศาอิสระ k 1 = n 1 + n 2 - 2 = 18 + 18-2 = 34 จากตารางในภาคผนวก 4 เราพบ ทีกรัม= 2,02.
การอนุมานทางสถิติ เนื่องจาก t = 11.62 และขอบเขต t gr = 2.02 จากนั้น 11.62 > 2.02 เช่น t > t gr ดังนั้นความแตกต่างระหว่างกลุ่มตัวอย่างจึงมีนัยสำคัญทางสถิติ
ข้อสรุปการสอน พบว่าในแง่ของอัตราการเต้นของหัวใจ ความแตกต่างระหว่างสถานะของกลุ่มก่อนและหลังการอบอุ่นร่างกายมีนัยสำคัญทางสถิติ กล่าวคือ สำคัญและเป็นพื้นฐาน ดังนั้น จากตัวบ่งชี้อัตราการเต้นของหัวใจ เราสามารถสรุปได้ว่าการวอร์มอัพมีประสิทธิผล
เกณฑ์ฟิชเชอร์เป็นพารามิเตอร์ ใช้ในการเปรียบเทียบอัตราการกระจายตัวของตัวอย่าง ซึ่งมักจะหมายถึงการเปรียบเทียบในแง่ของความเสถียรของประสิทธิภาพการกีฬาหรือความเสถียรของตัวบ่งชี้การทำงานและทางเทคนิคในทางปฏิบัติ วัฒนธรรมทางกายภาพและกีฬา ตัวอย่างอาจมีขนาดแตกต่างกัน
เกณฑ์ฟิชเชอร์ถูกกำหนดตามลำดับต่อไปนี้
1. ค้นหาเกณฑ์ฟิชเชอร์ F โดยใช้สูตร
โดยที่ คือความแปรปรวนของกลุ่มตัวอย่างที่เปรียบเทียบ
เงื่อนไขของเกณฑ์ฟิชเชอร์กำหนดไว้ในตัวเศษของสูตร เอฟ มีการกระจายตัวมากเช่น จำนวน F จะมากกว่าหนึ่งเสมอ
เราตั้งค่าความน่าเชื่อถือของการนับ: P = 0.95 - และกำหนดจำนวนองศาอิสระสำหรับทั้งสองตัวอย่าง: k 1 = n 1 - 1, k 2 = n 2 - 1
เมื่อใช้ตารางในภาคผนวก 4 เราจะค้นหาค่าขีดจำกัดของเกณฑ์ F กรัม.
การเปรียบเทียบเกณฑ์ F และ F กรัมช่วยให้เราสามารถสรุปได้:
ถ้า F > F gr ความแตกต่างระหว่างกลุ่มตัวอย่างจะมีนัยสำคัญทางสถิติ
ถ้า F< F гр, то различие между выборками статически недостоверно.
ลองยกตัวอย่างที่เฉพาะเจาะจง
ตัวอย่าง 2.15. มาวิเคราะห์ผู้เล่นแฮนด์บอลสองกลุ่ม: x ฉัน (หมายเลข 1= 16 คน) และ y (p 2 = 18 คน) นักกีฬากลุ่มเหล่านี้ได้รับการศึกษาเกี่ยวกับเวลาขึ้นเครื่องเมื่อขว้างลูกบอลเข้าประตู
ตัวบ่งชี้แรงผลักเป็นประเภทเดียวกันหรือไม่?
ข้อมูลเบื้องต้นและการคำนวณพื้นฐานแสดงไว้ในตาราง 2.32 และ 2.33
ตารางที่ 2.32
การประมวลผลตัวบ่งชี้การขับไล่ของผู้เล่นแฮนด์บอลกลุ่มแรก
ให้เรากำหนดเกณฑ์ฟิชเชอร์:
ตามข้อมูลที่นำเสนอในตารางภาคผนวก 6 เราพบ Fgr: Fgr = 2.4
ให้เราใส่ใจกับความจริงที่ว่าในตารางภาคผนวก 6 จำนวนระดับความเป็นอิสระของการกระจายทั้งที่มากขึ้นและน้อยกว่านั้นแสดงไว้เมื่อเข้าใกล้ จำนวนมากรุนแรงขึ้น ดังนั้นจำนวนองศาความเป็นอิสระของการกระจายตัวที่มากขึ้นตามลำดับนี้: 8, 9, 10, 11, 12, 14, 16, 20, 24 เป็นต้น และอันที่เล็กกว่า - 28, 29, 30, 40 , 50 ฯลฯ ง.
สิ่งนี้อธิบายได้จากข้อเท็จจริงที่ว่าเมื่อขนาดตัวอย่างเพิ่มขึ้น ความแตกต่างในการทดสอบ F จะลดลง และคุณสามารถใช้ค่าแบบตารางที่ใกล้เคียงกับข้อมูลต้นฉบับได้ ดังนั้น ในตัวอย่างนี้ไม่มี 2.15 =17 และเราสามารถใช้ค่าที่ใกล้เคียงที่สุดกับมัน k = 16 ซึ่งเราจะได้ Fgr = 2.4
การอนุมานทางสถิติ เนื่องจากการทดสอบของฟิชเชอร์ F= 2.5 > F= 2.4 ตัวอย่างจึงสามารถแยกแยะได้อย่างมีนัยสำคัญทางสถิติ
ข้อสรุปการสอน ค่าของเวลาออกตัวเมื่อโยนบอลเข้าประตูสำหรับผู้เล่นแฮนด์บอลของทั้งสองกลุ่มแตกต่างกันอย่างมีนัยสำคัญ กลุ่มเหล่านี้ควรได้รับการพิจารณาที่แตกต่างกัน
การวิจัยเพิ่มเติมควรเปิดเผยสาเหตุของความแตกต่างนี้
ตัวอย่าง 2.20.(เกี่ยวกับความน่าเชื่อถือทางสถิติของกลุ่มตัวอย่าง - คุณสมบัติของนักฟุตบอลจะดีขึ้นหรือไม่หากเวลาจากการให้สัญญาณในการเตะบอลในช่วงเริ่มต้นการฝึกคือ x i และในตอนท้าย y i
ข้อมูลเบื้องต้นและการคำนวณพื้นฐานแสดงไว้ในตาราง 2.40 และ 2.41
ตารางที่ 2.40
ตัวบ่งชี้เวลาในการประมวลผลจากการให้สัญญาณในการตีลูกบอลเมื่อเริ่มการฝึกซ้อม
ให้เราพิจารณาความแตกต่างระหว่างกลุ่มตัวบ่งชี้โดยใช้เกณฑ์ของนักเรียน:
ด้วยความน่าเชื่อถือ P = 0.95 และองศาอิสระ k = n 1 + n 2 - 2 = 22 + 22 - 2 = 42 โดยใช้ตารางในภาคผนวก 4 เราพบ ทีกรัม= 2.02. เนื่องจาก t = 8.3 > ทีกรัม= 2.02 - ความแตกต่างมีนัยสำคัญทางสถิติ
ให้เราพิจารณาความแตกต่างระหว่างกลุ่มตัวบ่งชี้โดยใช้เกณฑ์ของฟิชเชอร์:
ตามตารางในภาคผนวก 2 โดยมีความน่าเชื่อถือ P = 0.95 และองศาอิสระ k = 22-1 = 21 ค่า F gr = 21 เนื่องจาก F = 1.53< F гр = = 2,1, различие в рассеивании исходных данных статистически недостоверно.
การอนุมานทางสถิติ ตามค่าเฉลี่ยเลขคณิต ความแตกต่างระหว่างกลุ่มของตัวบ่งชี้มีนัยสำคัญทางสถิติ ในแง่ของการกระจายตัว (dispersion) ความแตกต่างระหว่างกลุ่มของตัวบ่งชี้นั้นไม่น่าเชื่อถือทางสถิติ
บทสรุปการสอนคุณสมบัติของนักฟุตบอลได้รับการปรับปรุงอย่างมีนัยสำคัญ แต่ควรให้ความสนใจกับความมั่นคงของคำให้การของเขา
การเตรียมงาน
ก่อนหน้านี้ งานห้องปฏิบัติการในระเบียบวินัย” มาตรวิทยาการกีฬา» ถึงนักเรียนทุกคน กลุ่มการศึกษามีความจำเป็นต้องจัดตั้งทีมงานจำนวน 3-4 คนในแต่ละกลุ่มเพื่อร่วมกันมอบหมายงานงานห้องปฏิบัติการทั้งหมดให้เสร็จสิ้น
ในการเตรียมงาน อ่านส่วนที่เกี่ยวข้องของวรรณกรรมที่แนะนำ (ดูหัวข้อที่ 6 ของข้อมูล คำแนะนำระเบียบวิธี) และบันทึกการบรรยาย ศึกษาส่วนที่ 1 และ 2 สำหรับงานในห้องปฏิบัติการนี้ ตลอดจนการมอบหมายงาน (ส่วนที่ 4)
เตรียมแบบฟอร์มรายงานบนกระดาษเขียนขนาด A4 มาตรฐาน และเติมวัสดุที่จำเป็นสำหรับการทำงาน
โดยในรายงานจะต้องมี :
หน้าแรกโดยระบุแผนก (UC และ TR) กลุ่มการศึกษา นามสกุล ชื่อจริง นามสกุลของนักศึกษา หมายเลขและชื่อผลงานห้องปฏิบัติการ วันที่ทำเสร็จ ตลอดจนนามสกุล วุฒิการศึกษาตำแหน่งทางวิชาการและตำแหน่งอาจารย์ที่รับเข้าทำงาน
วัตถุประสงค์ของงาน
สูตรด้วย ค่าตัวเลขอธิบายผลการคำนวณขั้นกลางและขั้นสุดท้าย
ตารางค่าที่วัดและคำนวณได้
วัสดุกราฟิกที่จำเป็นสำหรับงาน;
ข้อสรุปโดยย่อขึ้นอยู่กับผลลัพธ์ของแต่ละขั้นตอนของการมอบหมายงานและโดยทั่วไปเกี่ยวกับงานที่ทำ
กราฟและตารางทั้งหมดถูกวาดอย่างระมัดระวังโดยใช้เครื่องมือวาดภาพ สัญลักษณ์กราฟิกและตัวอักษรทั่วไปต้องเป็นไปตาม GOST อนุญาตให้จัดทำรายงานโดยใช้เทคโนโลยีคอมพิวเตอร์ได้
ก่อนที่จะดำเนินการวัดทั้งหมด สมาชิกในทีมแต่ละคนจะต้องศึกษากฎการใช้งาน เกมกีฬาลูกดอกที่ให้ไว้ในภาคผนวก 7 ซึ่งจำเป็นสำหรับการดำเนินการวิจัยในขั้นตอนต่อไปนี้
ระยะที่ 1 ของการวิจัย“การศึกษาผลการตีเข้าเป้าของเกมกีฬาปาเป้าโดยสมาชิกแต่ละคนในทีมเพื่อความสอดคล้อง กฎหมายปกติการกระจายตามเกณฑ์ χ 2เพียร์สันและ เกณฑ์สามซิกม่า"
1. วัด (ทดสอบ) ความเร็ว (ส่วนตัว) ของคุณและการประสานงานของการกระทำ โดยปาลูกดอก 30-40 ครั้งไปที่เป้าหมายวงกลมในเกมกีฬาปาเป้า
2. ผลการวัด (การทดสอบ) x ฉัน(สวมแว่น) จัดเรียงตามแบบ ซีรีย์การเปลี่ยนแปลงและเข้าไปในตารางที่ 4.1 (คอลัมน์ , ทำทั้งหมด การคำนวณที่จำเป็นกรอกตารางที่จำเป็นและสรุปผลที่เหมาะสมเกี่ยวกับการปฏิบัติตามที่ได้รับ การกระจายเชิงประจักษ์กฎการกระจายแบบปกติ โดยการเปรียบเทียบกับการคำนวณ ตาราง และข้อสรุปที่คล้ายกันของตัวอย่าง 2.12 ซึ่งให้ไว้ในส่วนที่ 2 ของแนวทางเหล่านี้ในหน้า 7 -10
ตารางที่ 4.1
ความสอดคล้องของความเร็วและการประสานงานของการกระทำของอาสาสมัครกับกฎหมายการกระจายแบบปกติ
เลขที่ | โค้งมน | |||||||||
… | ||||||||||
… | ||||||||||
ทั้งหมด |
II – ขั้นตอนการวิจัย
“การประเมินตัวบ่งชี้เฉลี่ยของประชากรทั่วไปในการโจมตีเป้าหมายของเกมกีฬาปาเป้าของนักเรียนทุกคนในกลุ่มเรียนโดยพิจารณาจากผลการวัดของสมาชิกของทีมเดียว”
ประเมินตัวบ่งชี้เฉลี่ยของความเร็วและการประสานงานของการกระทำของนักเรียนทุกคนในกลุ่มการศึกษา (ตามรายชื่อกลุ่มการศึกษาในนิตยสารชั้นเรียน) ตามผลการตีเป้าหมายปาเป้าของสมาชิกในทีมทั้งหมดที่ได้รับในระยะแรก ของงานวิจัยในห้องปฏิบัติการนี้
1. บันทึกผลการวัดความเร็วและการประสานงานของการกระทำ เมื่อขว้างปาเป้าไปที่เป้าหมายวงกลมในเกมกีฬา ปาเป้าของสมาชิกทุกคนในทีมของคุณ (2 - 4 คน) ซึ่งเป็นตัวอย่างผลการวัดจากประชากรทั่วไป (ผลการวัดของนักเรียนทุกคนในกลุ่มเรียน - เช่น จำนวน 15 คน) โดยระบุในคอลัมน์ที่สองและสาม ตารางที่ 4.2
ตารางที่ 4.2
ตัวชี้วัดการประมวลผลความเร็วและการประสานงานของการกระทำ
สมาชิกกองพลน้อย
เลขที่ | ||||||
… | ||||||
… | ||||||
ทั้งหมด |
ในตาราง 4.2 ภายใต้ ควรจะเข้าใจ , คะแนนเฉลี่ยที่ตรงกัน (ดูผลการคำนวณในตารางที่ 4.1) สมาชิกในทีมของคุณ ( , ได้รับในขั้นตอนแรกของการวิจัย ควรสังเกตว่า ตามกฎแล้ว ตาราง 4.2 ประกอบด้วยค่าเฉลี่ยที่คำนวณได้ของผลการวัดที่ได้รับโดยสมาชิกหนึ่งคนในทีมในขั้นตอนแรกของการวิจัย เนื่องจากความน่าจะเป็นที่จะผลการวัด สมาชิกต่างๆกลุ่มจะเล็กมาก แล้ว, ตามกฎแล้วค่าต่างๆ ในคอลัมน์ ตารางที่ 4.2 สำหรับแต่ละแถว - เท่ากับ 1 ก ในบรรทัด “ยอดรวม " คอลัมน์ " " ถูกเขียน จำนวนสมาชิกในทีมของคุณ
2. ทำการคำนวณที่จำเป็นทั้งหมดเพื่อกรอกตาราง 4.2 รวมถึงการคำนวณและข้อสรุปอื่น ๆ ที่คล้ายกับการคำนวณและข้อสรุปของตัวอย่าง 2.13 ที่ให้ไว้ในส่วนที่ 2 ของสิ่งนี้ การพัฒนาระเบียบวิธีในหน้า 13-14. ควรคำนึงถึงเมื่อคำนวณข้อผิดพลาดในการเป็นตัวแทน "ม" มีความจำเป็นต้องใช้สูตร 2.4 ที่ให้ไว้ในหน้า 13 ของการพัฒนาวิธีการนี้เนื่องจากกลุ่มตัวอย่างมีขนาดเล็ก (n และจำนวนองค์ประกอบของประชากรทั่วไป N เป็นที่รู้จักและเท่ากับจำนวนนักเรียนในกลุ่มการศึกษา ตามรายชื่อวารสารของกลุ่มศึกษา
III – ขั้นตอนการวิจัย
การประเมินประสิทธิผลของการวอร์มอัพตามตัวบ่งชี้ “ความเร็วและการประสานงานของการกระทำ” โดยสมาชิกในทีมแต่ละคนโดยใช้แบบทดสอบของนักเรียน
เพื่อประเมินประสิทธิผลของการวอร์มอัพสำหรับการขว้างลูกดอกไปยังเป้าหมายของเกมกีฬา "ปาเป้า" ซึ่งดำเนินการในขั้นตอนแรกของการวิจัยของงานในห้องปฏิบัติการนี้โดยสมาชิกแต่ละคนในทีมตามตัวบ่งชี้ "ความเร็วและ การประสานงานของการกระทำ" โดยใช้เกณฑ์ของนักเรียน - เกณฑ์พาราเมตริกสำหรับความน่าเชื่อถือทางสถิติของกฎการกระจายเชิงประจักษ์กับกฎการกระจายแบบปกติ
2. ความแตกต่าง และอาร์เอ็มเอส , ผลการวัดตัวบ่งชี้ “ความเร็วและการประสานงานของการกระทำ” ตามผลการวอร์มอัพ, กำหนดไว้ในตาราง 4.3 (ดูการคำนวณที่คล้ายกันที่ให้ไว้ทันทีหลังจากตาราง 2.30 ของตัวอย่าง 2.14 ในหน้า 16 ของการพัฒนาวิธีการนี้)
3. ทีมงานแต่ละคน วัด (ทดสอบ) ความเร็ว (ส่วนตัว) และการประสานงานของคุณหลังจากวอร์มอัพ
5. ทำการคำนวณโดยเฉลี่ย ความแตกต่าง และอาร์เอ็มเอส ,ผลการวัดของตัวบ่งชี้ "ความเร็วและการประสานงานของการกระทำ" หลังจากการอุ่นเครื่อง กำหนดไว้ในตาราง 4.4 เขียนผลการวัดโดยรวมตามผลการอุ่นเครื่อง (ดูการคำนวณที่คล้ายกันที่ให้ไว้ทันทีหลังจากตาราง 2.31 ของตัวอย่าง 2.14 ในหน้า 17 ของการพัฒนาวิธีการนี้)
6. ทำการคำนวณและข้อสรุปที่จำเป็นทั้งหมดคล้ายกับการคำนวณและข้อสรุปของตัวอย่างที่ 2.14 ที่ให้ไว้ในส่วนที่ 2 ของการพัฒนาวิธีการนี้ในหน้า 16-17 ควรคำนึงถึงเมื่อคำนวณข้อผิดพลาดในการเป็นตัวแทน "ม" จำเป็นต้องใช้สูตร 2.1 ที่ให้ไว้ในหน้า 12 ของการพัฒนาวิธีการนี้เนื่องจากตัวอย่างคือ n และจำนวนองค์ประกอบในประชากร N ( ไม่ทราบ
IV – ขั้นตอนการวิจัย
การประเมินความสม่ำเสมอ (ความมั่นคง) ของตัวบ่งชี้ "ความเร็วและการประสานงานของการกระทำ" ของสมาชิกในทีมสองคนโดยใช้เกณฑ์ฟิชเชอร์
ประเมินความสม่ำเสมอ (ความเสถียร) ของตัวบ่งชี้ "ความเร็วและการประสานงานของการกระทำ" ของสมาชิกในทีมสองคนโดยใช้เกณฑ์ฟิชเชอร์ตามผลการวัดที่ได้รับในขั้นตอนที่สามของการวิจัยในงานห้องปฏิบัติการนี้
ในการทำเช่นนี้คุณต้องทำสิ่งต่อไปนี้
การใช้ข้อมูลจากตาราง 4.3 และ 4.4 ผลลัพธ์ของการคำนวณความแปรปรวนจากตารางเหล่านี้ที่ได้รับในขั้นตอนที่สามของการวิจัยตลอดจนวิธีการคำนวณและการใช้เกณฑ์ฟิชเชอร์เพื่อประเมินความสม่ำเสมอ (ความเสถียร) การแสดงกีฬาให้ไว้ในตัวอย่างที่ 2.15 ในหน้า 18-19 ของการพัฒนาระเบียบวิธีวิจัยนี้ ให้สรุปผลทางสถิติและการสอนที่เหมาะสม
V – ขั้นตอนการวิจัย
การประเมินกลุ่มตัวบ่งชี้ “ความเร็วและการประสานงานของการกระทำ” ของสมาชิกในทีมหนึ่งคนก่อนและหลังการวอร์มอัพ
ในตารางผลลัพธ์การคำนวณทางสถิติในรายวิชาอนุปริญญาและวิทยานิพนธ์ปริญญาโทสาขาจิตวิทยาตัวบ่งชี้ "p" จะปรากฏอยู่เสมอ
เช่นตาม วัตถุประสงค์การวิจัยคำนวณความแตกต่างในระดับความหมายในชีวิตของเด็กชายและเด็กหญิงวัยรุ่น
ค่าเฉลี่ย |
การทดสอบแมนน์-วิทนีย์ยู |
ระดับนัยสำคัญทางสถิติ (p) |
||
เด็กผู้ชาย (20 คน) |
สาวๆ (5 คน) |
|||
เป้าหมาย |
28,9 |
35,2 |
17,5 |
0,027* |
กระบวนการ |
30,1 |
32,0 |
38,5 |
0,435 |
ผลลัพธ์ |
25,2 |
29,0 |
29,5 |
0,164 |
สถานที่ควบคุม - "ฉัน" |
20,3 |
23,6 |
0,067 |
|
สถานที่แห่งการควบคุม - "ชีวิต" |
30,4 |
33,8 |
27,5 |
0,126 |
ชีวิตที่มีความหมาย |
98,9 |
111,2 |
0,103 |
* - ความแตกต่างมีนัยสำคัญทางสถิติ (หน้า≤ 0,05)
คอลัมน์ด้านขวาแสดงค่าของ "p" และด้วยค่าของมันเองที่ทำให้สามารถระบุได้ว่าความแตกต่างในความหมายของชีวิตในอนาคตระหว่างเด็กชายและเด็กหญิงนั้นมีความสำคัญหรือไม่ กฎนั้นง่าย:
- หากระดับนัยสำคัญทางสถิติ “p” น้อยกว่าหรือเท่ากับ 0.05 เราจะสรุปได้ว่าความแตกต่างมีนัยสำคัญ ในตารางด้านล่าง ความแตกต่างระหว่างเด็กชายและเด็กหญิงมีความสำคัญเมื่อเทียบกับตัวบ่งชี้ “เป้าหมาย” ซึ่งก็คือความหมายของชีวิตในอนาคต สำหรับเด็กผู้หญิง ตัวบ่งชี้นี้สูงกว่าเด็กผู้ชายอย่างมีนัยสำคัญทางสถิติ
- หากระดับนัยสำคัญทางสถิติ “p” มากกว่า 0.05 แสดงว่าความแตกต่างไม่มีนัยสำคัญ ในตารางด้านล่าง ความแตกต่างระหว่างเด็กชายและเด็กหญิงไม่มีนัยสำคัญสำหรับตัวบ่งชี้อื่นๆ ทั้งหมด ยกเว้นตัวบ่งชี้แรก
ระดับนัยสำคัญทางสถิติ “p” มาจากไหน?
มีการคำนวณระดับนัยสำคัญทางสถิติ โปรแกรมทางสถิติพร้อมทั้งการคำนวณ เกณฑ์ทางสถิติ- ในโปรแกรมเหล่านี้ คุณยังสามารถกำหนดขีดจำกัดวิกฤติสำหรับระดับนัยสำคัญทางสถิติได้ และตัวบ่งชี้ที่เกี่ยวข้องจะถูกเน้นโดยโปรแกรม
ตัวอย่างเช่น ในโปรแกรม STATISTICA เมื่อคำนวณความสัมพันธ์ คุณสามารถตั้งค่าขีดจำกัด "p" ได้ เช่น 0.05 และความสัมพันธ์ที่มีนัยสำคัญทางสถิติทั้งหมดจะถูกเน้นด้วยสีแดง
หากคำนวณเกณฑ์ทางสถิติด้วยตนเอง ระดับนัยสำคัญ "p" จะถูกกำหนดโดยการเปรียบเทียบค่าของเกณฑ์ผลลัพธ์กับค่าวิกฤต
ระดับนัยสำคัญทางสถิติ “p” แสดงระดับใด
การคำนวณทางสถิติทั้งหมดเป็นการประมาณการ ระดับของการประมาณนี้กำหนด "p" ระดับนัยสำคัญเขียนว่า ทศนิยมเช่น 0.023 หรือ 0.965 หากเราคูณตัวเลขนี้ด้วย 100 เราจะได้ตัวบ่งชี้ p เป็นเปอร์เซ็นต์: 2.3% และ 96.5% เปอร์เซ็นต์เหล่านี้สะท้อนถึงความน่าจะเป็นของสมมติฐานของเราเกี่ยวกับความสัมพันธ์ระหว่าง เช่น ความก้าวร้าวและความวิตกกังวลที่ไม่ถูกต้อง
นั่นคือ ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างความก้าวร้าวและความวิตกกังวลได้ 0.58 ที่ระดับนัยสำคัญทางสถิติ 0.05 หรือความน่าจะเป็นของข้อผิดพลาด 5% สิ่งนี้หมายความว่าอย่างไร?
ความสัมพันธ์ที่เราระบุหมายความว่าในกลุ่มตัวอย่างของเรามีการสังเกตรูปแบบต่อไปนี้ ยิ่งความก้าวร้าวสูงเท่าใด ความวิตกกังวลก็จะยิ่งสูงขึ้นเท่านั้น นั่นคือถ้าเราพาวัยรุ่นสองคนและคนหนึ่งมีความวิตกกังวลสูงกว่าอีกคนหนึ่ง เมื่อรู้ถึงความสัมพันธ์เชิงบวกแล้วเราสามารถพูดได้ว่าวัยรุ่นคนนี้ก็จะมีความก้าวร้าวมากขึ้นเช่นกัน แต่เนื่องจากทุกอย่างในสถิติเป็นเพียงการประมาณ ดังนั้นการระบุสิ่งนี้จึงยอมรับว่าเราอาจเข้าใจผิด และความน่าจะเป็นของข้อผิดพลาดคือ 5% นั่นคือเมื่อทำการเปรียบเทียบ 20 ครั้งในกลุ่มวัยรุ่นกลุ่มนี้ เราสามารถทำผิดพลาดได้เพียงครั้งเดียวในการทำนายระดับความก้าวร้าวโดยรู้ถึงความวิตกกังวล
นัยสำคัญทางสถิติระดับใดดีกว่า: 0.01 หรือ 0.05
ระดับนัยสำคัญทางสถิติสะท้อนถึงความน่าจะเป็นของข้อผิดพลาด ดังนั้นผลลัพธ์ที่ p=0.01 จึงแม่นยำมากกว่าที่ p=0.05
ใน การวิจัยทางจิตวิทยายอมรับสอง ระดับที่อนุญาตนัยสำคัญทางสถิติของผลลัพธ์:
p=0.01 - ผลลัพธ์มีความน่าเชื่อถือสูง การวิเคราะห์เปรียบเทียบหรือการวิเคราะห์ความสัมพันธ์
p=0.05 - ความแม่นยำเพียงพอ
ฉันหวังว่าบทความนี้จะช่วยให้คุณเขียนบทความจิตวิทยาได้ด้วยตัวเอง หากคุณต้องการความช่วยเหลือโปรดติดต่อเรา (งานจิตวิทยาทุกประเภท, การคำนวณทางสถิติ)
ก่อนที่จะรวบรวมและศึกษาข้อมูล นักจิตวิทยาเชิงทดลองมักจะตัดสินใจว่าข้อมูลจะถูกวิเคราะห์ทางสถิติอย่างไร บ่อยครั้งที่ผู้วิจัยกำหนดระดับนัยสำคัญไว้ดังนี้ ค่าสถิติสูงกว่า ( หรือต่ำกว่า) ซึ่งมีค่าที่ทำให้เราสามารถพิจารณาอิทธิพลของปัจจัยที่ไม่สุ่มได้ นักวิจัยมักจะเป็นตัวแทนของระดับนี้ในรูปแบบของการแสดงออกที่น่าจะเป็น
ในหลาย ๆ การทดลองทางจิตวิทยาก็สามารถแสดงเป็น " ระดับ 0.05" หรือ " ระดับ 0.01- ซึ่งหมายความว่าผลลัพธ์แบบสุ่มจะเกิดขึ้นตามความถี่เท่านั้น 0.05 (1 ครั้ง)หรือ 0.01 (1 ใน 100 ครั้ง)- ผลลัพธ์ การวิเคราะห์ทางสถิติข้อมูลที่ตรงตามเกณฑ์ที่กำหนดไว้ล่วงหน้า ( ไม่ว่าจะเป็น 0.05, 0.01 หรือ 0.001)ถูกอ้างถึงด้านล่างว่ามีนัยสำคัญทางสถิติ
ควรสังเกตว่าผลลัพธ์อาจไม่มีนัยสำคัญทางสถิติ แต่ยังคงเป็นที่สนใจอยู่บ้าง บ่อยครั้งโดยเฉพาะอย่างยิ่งในการศึกษาเบื้องต้นหรือการทดลองที่เกี่ยวข้องกับกลุ่มตัวอย่างจำนวนน้อยหรือมีข้อสังเกตจำนวนจำกัด ผลลัพธ์อาจไม่ถึงระดับนัยสำคัญทางสถิติ แต่แนะนำว่า การวิจัยเพิ่มเติมด้วยการควบคุมที่แม่นยำยิ่งขึ้นและ มากกว่าการสังเกตจะทำให้ได้รับความน่าเชื่อถือมากขึ้น ในเวลาเดียวกัน ผู้ทดลองจะต้องระมัดระวังอย่างมากในความปรารถนาที่จะเปลี่ยนแปลงเงื่อนไขการทดลองอย่างตั้งใจเพื่อที่จะบรรลุผลสำเร็จ ผลลัพธ์ที่ต้องการค่าใช้จ่ายใดๆ
ในอีกตัวอย่างหนึ่งของแผน 2x2 จิ ใช้วิชาสองประเภทและงานสองประเภทเพื่อศึกษาอิทธิพลของความรู้เฉพาะทางต่อการท่องจำข้อมูล
ในการวิจัยของเขา จิ ศึกษาการจำตัวเลขและตัวหมากรุก ( ตัวแปร ก) เด็ก ๆ บนเก้าอี้ RECARO ยังสปอร์ตและผู้ใหญ่ ( ตัวแปร B) กล่าวคือ ตามแผน 2x2 เด็กอายุ 10 ขวบและเก่งหมากรุก ในขณะที่ผู้ใหญ่ยังใหม่กับเกมนี้ ในภารกิจแรก คุณต้องจดจำตำแหน่งของชิ้นส่วนบนกระดาน เนื่องจากอาจเป็นในระหว่างเกมปกติ และเรียกคืนชิ้นส่วนนั้นหลังจากถอดชิ้นส่วนออกแล้ว อีกส่วนหนึ่งของงานนี้จำเป็นต้องจำชุดตัวเลขมาตรฐาน ดังที่มักทำเมื่อพิจารณา IQ
ปรากฎว่า ความรู้เฉพาะทางเช่นการเรียนเล่นหมากรุกทำให้จำข้อมูลที่เกี่ยวข้องกับสาขานี้ได้ง่ายขึ้น แต่มีผลเพียงเล็กน้อยต่อการจำตัวเลข ผู้ใหญ่ที่ไม่มีปัญญามากจนเกินไป เกมที่เก่าแก่ที่สุดจำตัวเลขได้น้อยลง แต่จำตัวเลขได้สำเร็จมากกว่า
ในข้อความของรายงาน จิ ให้การวิเคราะห์ทางสถิติที่ตรวจสอบผลลัพธ์ที่นำเสนอทางคณิตศาสตร์
การออกแบบ 2x2 เป็นการออกแบบแฟกทอเรียลที่ง่ายที่สุด การเพิ่มจำนวนปัจจัยหรือระดับของแต่ละปัจจัยจะเพิ่มความซับซ้อนของแผนเหล่านี้อย่างมาก
คุณสมบัติที่ต้องชำระเงินคุณลักษณะนัยสำคัญทางสถิติมีเฉพาะในแผนที่เลือกเท่านั้น ตรวจสอบว่าอยู่ใน.
คุณสามารถดูได้ว่าคำตอบที่ได้รับมีความแตกต่างที่มีนัยสำคัญทางสถิติหรือไม่ กลุ่มต่างๆผู้ตอบแบบสอบถาม หากต้องการใช้คุณลักษณะนัยสำคัญทางสถิติใน SurveyMonkey คุณต้อง:
- เปิดใช้งานคุณลักษณะนัยสำคัญทางสถิติเมื่อเพิ่มกฎการเปรียบเทียบให้กับคำถามในแบบสำรวจของคุณ เลือกกลุ่มผู้ตอบแบบสอบถามเพื่อเปรียบเทียบเพื่อจัดเรียงผลการสำรวจเป็นกลุ่มเพื่อการเปรียบเทียบด้วยภาพ
- ตรวจสอบตารางที่มีข้อมูลเกี่ยวกับคำถามในแบบสำรวจของคุณเพื่อระบุการมีอยู่ของข้อมูลทางสถิติ ความแตกต่างที่สำคัญในคำตอบที่ได้รับจาก กลุ่มต่างๆผู้ตอบแบบสอบถาม
ดูนัยสำคัญทางสถิติ
โดยทำตามขั้นตอนด้านล่าง คุณสามารถสร้างแบบสำรวจที่แสดงได้ นัยสำคัญทางสถิติ.
1. เพิ่มคำถามปลายปิดในแบบสำรวจของคุณ
เพื่อแสดงนัยสำคัญทางสถิติเมื่อวิเคราะห์ผลลัพธ์ คุณจะต้องใช้กฎการเปรียบเทียบกับคำถามใดๆ ในแบบสำรวจของคุณ
คุณสามารถใช้กฎการเปรียบเทียบและคำนวณนัยสำคัญทางสถิติในการตอบสนอง หากคุณใช้ข้อใดข้อหนึ่งต่อไปนี้ในการออกแบบแบบสำรวจของคุณ: ประเภทต่อไปนี้คำถาม:
จำเป็นต้องตรวจสอบให้แน่ใจว่าตัวเลือกคำตอบที่เสนอสามารถแบ่งออกเป็นกลุ่มได้ครบถ้วน ตัวเลือกการตอบสนองที่คุณเลือกสำหรับการเปรียบเทียบเมื่อคุณสร้างกฎการเปรียบเทียบจะถูกใช้เพื่อจัดระเบียบข้อมูลลงในครอสแท็บตลอดทั้งแบบสำรวจ
2. รวบรวมคำตอบ
เมื่อคุณทำแบบสำรวจเสร็จแล้ว ให้สร้างตัวรวบรวมเพื่อแจกจ่าย มีหลายวิธี
คุณต้องได้รับการตอบกลับอย่างน้อย 30 รายการสำหรับแต่ละตัวเลือกการตอบกลับที่คุณวางแผนจะใช้ในกฎการเปรียบเทียบเพื่อเปิดใช้งานและดูนัยสำคัญทางสถิติ
ตัวอย่างการสำรวจ
คุณต้องการค้นหาว่าผู้ชายพอใจกับผลิตภัณฑ์ของคุณมากกว่าผู้หญิงอย่างมีนัยสำคัญหรือไม่
- เพิ่มคำถามแบบเลือกตอบสองข้อในแบบสำรวจของคุณ:
เพศของคุณคืออะไร? (ชาย, หญิง)
คุณพอใจหรือไม่พอใจกับผลิตภัณฑ์ของเรา? (พอใจ, ไม่พอใจ) - ตรวจสอบให้แน่ใจว่าผู้ตอบแบบสอบถามอย่างน้อย 30 รายเลือก "ชาย" สำหรับคำถามเรื่องเพศ และผู้ตอบแบบสอบถามอย่างน้อย 30 รายเลือก "หญิง" เป็นเพศ
- เพิ่มกฎการเปรียบเทียบให้กับคำถาม "คุณเพศอะไร" และเลือกทั้งสองตัวเลือกเป็นกลุ่มของคุณ
- ใช้ตารางข้อมูลด้านล่างแผนภูมิคำถาม "คุณพอใจหรือไม่พอใจกับผลิตภัณฑ์ของเรา" เพื่อดูว่าตัวเลือกการตอบสนองใดๆ แสดงความแตกต่างที่มีนัยสำคัญทางสถิติหรือไม่
ความแตกต่างที่มีนัยสำคัญทางสถิติคืออะไร?
ความแตกต่างที่มีนัยสำคัญทางสถิติหมายความว่าการวิเคราะห์ทางสถิติได้กำหนดว่ามีความแตกต่างที่มีนัยสำคัญระหว่างคำตอบของผู้ตอบแบบสอบถามกลุ่มหนึ่งและคำตอบของกลุ่มอื่น นัยสำคัญทางสถิติหมายความว่าตัวเลขที่ได้รับแตกต่างกันอย่างมีนัยสำคัญ ความรู้ดังกล่าวจะช่วยคุณในการวิเคราะห์ข้อมูลได้อย่างมาก อย่างไรก็ตาม คุณเป็นผู้กำหนดความสำคัญของผลลัพธ์ที่ได้รับ คุณเป็นผู้ตัดสินใจว่าจะตีความผลการสำรวจอย่างไร และควรดำเนินการอย่างไรโดยพิจารณาจากผลลัพธ์เหล่านั้น
ตัวอย่างเช่น คุณได้รับการร้องเรียนจากลูกค้าผู้หญิงมากกว่าลูกค้าผู้ชาย เราจะทราบได้อย่างไรว่าความแตกต่างดังกล่าวมีจริงหรือไม่ และจำเป็นต้องดำเนินการอย่างไร หนึ่งใน วิธีที่ดีในการตรวจสอบข้อสังเกตของคุณคือการสำรวจที่จะแสดงให้คุณเห็นว่าผู้ซื้อที่เป็นผู้ชายพอใจกับผลิตภัณฑ์ของคุณมากกว่าหรือไม่ โดยการใช้ สูตรทางสถิติฟังก์ชันนัยสำคัญทางสถิติที่เรานำเสนอจะช่วยให้คุณสามารถระบุได้ว่าผลิตภัณฑ์ของคุณดึงดูดผู้ชายมากกว่าผู้หญิงหรือไม่ ซึ่งจะทำให้คุณสามารถดำเนินการตามข้อเท็จจริงมากกว่าการคาดเดา
ความแตกต่างที่มีนัยสำคัญทางสถิติ
หากผลลัพธ์ของคุณถูกเน้นไว้ในตารางข้อมูล แสดงว่าผู้ตอบแบบสอบถามทั้งสองกลุ่มมีความแตกต่างกันอย่างมาก คำว่า “นัยสำคัญ” ไม่ได้หมายความว่าตัวเลขผลลัพธ์มีความสำคัญหรือนัยสำคัญใดๆ เฉพาะเจาะจง เพียงแต่ว่ามีความแตกต่างทางสถิติระหว่างตัวเลขเหล่านั้นเท่านั้น
ไม่มีความแตกต่างที่มีนัยสำคัญทางสถิติ
หากผลลัพธ์ของคุณไม่ได้ถูกเน้นในตารางข้อมูลที่เกี่ยวข้อง ก็หมายความว่าเป็นเช่นนั้น ความแตกต่างที่เป็นไปได้ในการเปรียบเทียบตัวเลขทั้งสองนั้น ไม่มีความแตกต่างทางสถิติระหว่างกัน
การตอบสนองที่ไม่มีความแตกต่างที่มีนัยสำคัญทางสถิติแสดงให้เห็นว่าไม่มีความแตกต่างที่มีนัยสำคัญระหว่างสองรายการที่ถูกเปรียบเทียบเมื่อพิจารณาจากขนาดตัวอย่างที่คุณใช้ แต่ไม่ได้หมายความว่ารายการเหล่านั้นไม่มีนัยสำคัญเสมอไป บางทีด้วยการเพิ่มขนาดตัวอย่าง คุณจะสามารถระบุความแตกต่างที่มีนัยสำคัญทางสถิติได้
ขนาดตัวอย่าง
หากคุณมีขนาดตัวอย่างที่น้อยมาก เฉพาะความแตกต่างที่มากระหว่างทั้งสองกลุ่มเท่านั้นที่จะมีความสำคัญ หากคุณมีขนาดตัวอย่างที่ใหญ่มาก ความแตกต่างทั้งเล็กและใหญ่จะถูกนับว่ามีนัยสำคัญ
อย่างไรก็ตาม การที่ตัวเลขสองตัวมีความแตกต่างกันทางสถิติไม่ได้หมายความว่าความแตกต่างระหว่างผลลัพธ์จะสร้างความแตกต่างให้กับคุณแต่อย่างใด ความสำคัญในทางปฏิบัติ- คุณจะต้องตัดสินใจด้วยตัวเองว่าความแตกต่างใดที่มีความหมายต่อแบบสำรวจของคุณ
การคำนวณนัยสำคัญทางสถิติ
เราคำนวณนัยสำคัญทางสถิติโดยใช้ระดับความเชื่อมั่น 95% มาตรฐาน ถ้าตัวเลือกคำตอบแสดงเป็นนัยสำคัญทางสถิติ หมายความว่าโดยบังเอิญเพียงอย่างเดียวหรือเนื่องจากข้อผิดพลาดในการสุ่มตัวอย่าง มีความน่าจะเป็นน้อยกว่า 5% ของความแตกต่างระหว่างสองกลุ่มที่เกิดขึ้น (มักแสดงเป็น: p<0,05).
ในการคำนวณความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างกลุ่ม เราใช้สูตรต่อไปนี้:
พารามิเตอร์ |
คำอธิบาย | |
---|---|---|
ก1 | เปอร์เซ็นต์ของผู้เข้าร่วมจากกลุ่มแรกที่ตอบคำถามด้วยวิธีใดวิธีหนึ่ง คูณด้วยขนาดกลุ่มตัวอย่างของกลุ่มนี้ | |
ข1 | เปอร์เซ็นต์ของผู้เข้าร่วมจากกลุ่มที่สองที่ตอบคำถามด้วยวิธีใดวิธีหนึ่ง คูณด้วยขนาดกลุ่มตัวอย่างของกลุ่มนี้ | |
สัดส่วนตัวอย่างรวม (p) | การรวมกันของสองหุ้นจากทั้งสองกลุ่ม | |
ข้อผิดพลาดมาตรฐาน (SE) | ตัวบ่งชี้ว่าหุ้นของคุณแตกต่างจากหุ้นจริงมากน้อยเพียงใด ค่าที่ต่ำกว่าหมายถึงเศษส่วนนั้นใกล้เคียงกับเศษส่วนจริง ค่าที่สูงกว่าหมายความว่าเศษส่วนนั้นแตกต่างจากเศษส่วนจริงอย่างมาก | |
สถิติการทดสอบ (t) | สถิติการทดสอบ จำนวนค่าเบี่ยงเบนมาตรฐานซึ่งค่าที่กำหนดแตกต่างจากค่าเฉลี่ย | |
นัยสำคัญทางสถิติ | หากค่าสัมบูรณ์ของสถิติการทดสอบมากกว่า 1.96* ส่วนเบี่ยงเบนมาตรฐานจากค่าเฉลี่ย จะถือว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติ |
*1.96 คือค่าที่ใช้สำหรับระดับความเชื่อมั่น 95% เนื่องจาก 95% ของช่วงที่ฟังก์ชันการแจกแจงแบบ t ของนักเรียนจัดการอยู่ภายในค่าเบี่ยงเบนมาตรฐาน 1.96 ของค่าเฉลี่ย
ตัวอย่างการคำนวณ
จากตัวอย่างที่ใช้ข้างต้น มาดูกันว่าเปอร์เซ็นต์ของผู้ชายที่กล่าวว่าตนพอใจกับผลิตภัณฑ์ของคุณนั้นสูงกว่าเปอร์เซ็นต์ของผู้หญิงอย่างมีนัยสำคัญหรือไม่
สมมติว่าผู้ชาย 1,000 คนและผู้หญิง 1,000 คนมีส่วนร่วมในการสำรวจของคุณ และผลการสำรวจพบว่าผู้ชาย 70% และผู้หญิง 65% กล่าวว่าพวกเขาพอใจกับผลิตภัณฑ์ของคุณ ระดับ 70% สูงกว่าระดับ 65% อย่างมีนัยสำคัญหรือไม่
แทนที่ข้อมูลต่อไปนี้จากแบบสำรวจลงในสูตรที่กำหนด:
- p1 (% ของผู้ชายพอใจกับผลิตภัณฑ์) = 0.7
- p2 (% ของผู้หญิงที่พอใจกับผลิตภัณฑ์) = 0.65
- n1 (จำนวนผู้ชายที่สำรวจ) = 1,000
- n2 (จำนวนผู้หญิงที่สัมภาษณ์) = 1,000
เนื่องจากค่าสัมบูรณ์ของสถิติการทดสอบมากกว่า 1.96 หมายความว่าความแตกต่างระหว่างชายและหญิงมีนัยสำคัญ เมื่อเทียบกับผู้หญิง ผู้ชายมีแนวโน้มที่จะพอใจกับผลิตภัณฑ์ของคุณมากกว่า
ซ่อนนัยสำคัญทางสถิติ
วิธีซ่อนนัยสำคัญทางสถิติสำหรับทุกคำถาม
- คลิกลูกศรลงทางด้านขวาของกฎการเปรียบเทียบในแถบด้านข้างซ้าย
- เลือกรายการ แก้ไขกฎ.
- ปิดการใช้งานคุณสมบัติ แสดงนัยสำคัญทางสถิติโดยใช้สวิตช์
- คลิกปุ่ม นำมาใช้.
หากต้องการซ่อนนัยสำคัญทางสถิติสำหรับคำถามเดียว คุณต้อง:
- คลิกปุ่ม ปรับแต่งเหนือแผนภาพของปัญหานี้
- เปิดแท็บ ตัวเลือกการแสดงผล.
- ยกเลิกการเลือกช่องถัดจาก นัยสำคัญทางสถิติ.
- คลิกปุ่ม บันทึก.
ตัวเลือกการแสดงผลจะเปิดใช้งานโดยอัตโนมัติเมื่อเปิดใช้งานการแสดงนัยสำคัญทางสถิติ หากคุณล้างตัวเลือกการแสดงผลนี้ การแสดงนัยสำคัญทางสถิติจะถูกปิดใช้งานด้วย
เปิดคุณลักษณะนัยสำคัญทางสถิติเมื่อเพิ่มกฎการเปรียบเทียบให้กับคำถามในแบบสำรวจของคุณ ตรวจสอบตารางข้อมูลสำหรับคำถามในแบบสำรวจของคุณเพื่อดูว่าคำตอบที่ได้รับจากกลุ่มผู้ตอบแบบสอบถามแต่ละกลุ่มมีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติหรือไม่
ระดับความสำคัญ - นี่คือความน่าจะเป็นที่เราถือว่าความแตกต่างมีนัยสำคัญ แต่จริงๆ แล้วมันเป็นแบบสุ่ม
เมื่อเราระบุว่าความแตกต่างมีนัยสำคัญที่ระดับนัยสำคัญ 5% หรือเมื่อใด ร< 0,05 แล้วเราหมายถึงความน่าจะเป็นที่ไม่น่าเชื่อถือคือ 0.05
เมื่อเราระบุว่าความแตกต่างมีนัยสำคัญที่ระดับนัยสำคัญ 1% หรือเมื่อใด ร< 0,01 แล้วเราหมายถึงความน่าจะเป็นที่ไม่น่าเชื่อถือคือ 0.01
หากเราแปลทั้งหมดนี้เป็นภาษาที่เป็นทางการมากขึ้น ระดับนัยสำคัญคือความน่าจะเป็นที่จะปฏิเสธสมมติฐานว่าง ทั้งที่มันเป็นเรื่องจริง
ข้อผิดพลาด,ประกอบด้วยอันที่หนึ่งสิ่งที่เราถูกปฏิเสธสมมติฐานว่างแม้ว่าจะถูกต้อง แต่ก็เรียกว่าข้อผิดพลาดประเภท 1(ดูตารางที่ 1)
โต๊ะ 1. สมมติฐานว่างและทางเลือกและเงื่อนไขการทดสอบที่เป็นไปได้
ความน่าจะเป็นของข้อผิดพลาดดังกล่าวมักจะแสดงเป็น α. โดยพื้นฐานแล้ว เราจะต้องระบุในวงเล็บไม่ใช่ p < 0.05 หรือหน้า < 0.01 และ α < 0.05 หรือ α < 0,01.
หากมีโอกาสผิดพลาดได้ α จากนั้นความน่าจะเป็นของการตัดสินใจที่ถูกต้อง: 1-α ยิ่ง α น้อยเท่าไร ความน่าจะเป็นในการตัดสินใจที่ถูกต้องก็จะยิ่งมากขึ้นเท่านั้น
ในอดีต ในด้านจิตวิทยา เป็นที่ยอมรับกันโดยทั่วไปว่าระดับต่ำสุดของนัยสำคัญทางสถิติคือระดับ 5% (p≤0.05): เพียงพอคือระดับ 1% (p≤0.01) และสูงสุดคือระดับ 0.1% ( p≤0.001) ดังนั้นตารางค่าวิกฤตมักจะมีค่าของเกณฑ์ที่สอดคล้องกับระดับนัยสำคัญทางสถิติp≤0.05และp≤0.01บางครั้ง - p≤0.001 สำหรับเกณฑ์บางอย่าง ตารางจะระบุระดับนัยสำคัญที่แน่นอนของค่าเชิงประจักษ์ที่แตกต่างกัน ตัวอย่างเช่น สำหรับ φ*=1.56 p=O.06
อย่างไรก็ตาม จนกว่าระดับนัยสำคัญทางสถิติจะถึง p=0.05 เราก็ยังไม่มีสิทธิ์ปฏิเสธสมมติฐานว่าง
เราจะปฏิบัติตามกฎต่อไปนี้ในการปฏิเสธสมมติฐานที่ไม่มีความแตกต่าง (Ho) และยอมรับสมมติฐานที่มีนัยสำคัญทางสถิติของความแตกต่าง (H 1)
กฎสำหรับการปฏิเสธ Ho และยอมรับ h1
หากค่าเชิงประจักษ์ของเกณฑ์เท่ากับหรือมากกว่าค่าวิกฤติที่สอดคล้องกับ p≤0.05 ดังนั้น H 0 จะถูกปฏิเสธ แต่เรายังไม่สามารถยอมรับ H 1 ได้อย่างแน่นอน
หากค่าเชิงประจักษ์ของเกณฑ์เท่ากับค่าวิกฤตที่สอดคล้องกับ p≤0.01 หรือเกินกว่านั้น H 0 จะถูกปฏิเสธและ H 1 จะถูกยอมรับ : ข้อยกเว้น
การทดสอบสัญญาณ G, การทดสอบ Wilcoxon T และการทดสอบ Mann-Whitney U ความสัมพันธ์แบบผกผันถูกสร้างขึ้นสำหรับพวกเขา
ข้าว. 4. ตัวอย่าง “แกนนัยสำคัญ” สำหรับเกณฑ์ Q ของ Rosenbaum
ค่าวิกฤตของเกณฑ์ถูกกำหนดเป็น Q o, o5 และ Q 0.01 ค่าเชิงประจักษ์ของเกณฑ์เป็น Q em มันถูกล้อมรอบด้วยวงรี
ทางด้านขวาของค่าวิกฤติ Q 0.01 จะขยาย "โซนสำคัญ" ซึ่งรวมถึงค่าเชิงประจักษ์ที่เกิน Q 0.01 และดังนั้นจึงมีนัยสำคัญอย่างแน่นอน
ทางด้านซ้ายของค่าวิกฤต Q 0.05 จะขยาย "โซนที่ไม่มีนัยสำคัญ" ซึ่งรวมถึงค่า Q เชิงประจักษ์ที่ต่ำกว่า Q 0.05 ดังนั้นจึงไม่มีนัยสำคัญอย่างแน่นอน เราเห็นสิ่งนั้น 0,05 =6; เราเห็นสิ่งนั้น 0,01 =9; เราเห็นสิ่งนั้น ถาม =8;
ค่าเชิงประจักษ์ของเกณฑ์จะอยู่ในภูมิภาคระหว่าง Q 0.05 ถึง Q 0.01 นี่คือโซนของ "ความไม่แน่นอน": เราสามารถปฏิเสธสมมติฐานเกี่ยวกับความไม่น่าเชื่อถือของความแตกต่าง (H 0) ได้แล้ว แต่เรายังไม่สามารถยอมรับสมมติฐานเกี่ยวกับความน่าเชื่อถือได้ (H 1)
อย่างไรก็ตาม ในทางปฏิบัติ ผู้วิจัยสามารถพิจารณาความแตกต่างที่ไม่อยู่ในขอบเขตที่ไม่มีนัยสำคัญได้อย่างน่าเชื่อถือ โดยประกาศว่าเชื่อถือได้ที่ p < 0.05 หรือโดยการระบุระดับนัยสำคัญที่แน่นอนของค่าเกณฑ์เชิงประจักษ์ที่ได้รับ เช่น p=0.02 การใช้ตารางมาตรฐานซึ่งอยู่ในหนังสือเรียนเกี่ยวกับวิธีการทางคณิตศาสตร์ทั้งหมดสามารถทำได้โดยสัมพันธ์กับเกณฑ์ Kruskal-Wallis H χ 2 ร ฟรีดแมน, แอลของเพจ, φของฟิชเชอร์ .
ระดับนัยสำคัญทางสถิติหรือค่าการทดสอบวิกฤต จะถูกกำหนดแตกต่างกันเมื่อทดสอบสมมติฐานทางสถิติแบบมีทิศทางและไม่ใช่แบบมีทิศทาง
เมื่อใช้สมมติฐานทางสถิติเชิงทิศทาง จะใช้การทดสอบแบบด้านเดียว เมื่อใช้สมมติฐานแบบไม่มีทิศทาง จะใช้การทดสอบแบบสองด้าน การทดสอบแบบสองด้านมีความเข้มงวดมากกว่า เนื่องจากเป็นการทดสอบความแตกต่างในทั้งสองทิศทาง ดังนั้นค่าเชิงประจักษ์ของการทดสอบที่ก่อนหน้านี้สอดคล้องกับระดับนัยสำคัญ p < 0.05 ตอนนี้สอดคล้องกับระดับ p เท่านั้น < 0,10.
เราจะไม่ต้องตัดสินใจเองทุกครั้งว่าจะใช้เกณฑ์ด้านเดียวหรือสองด้าน ตารางค่าวิกฤตของเกณฑ์จะถูกเลือกในลักษณะที่สมมติฐานเชิงทิศทางสอดคล้องกับเกณฑ์ด้านเดียวและสมมติฐานที่ไม่ใช่ทิศทางสอดคล้องกับเกณฑ์สองด้านและค่าที่กำหนดนั้นเป็นไปตามข้อกำหนดที่ นำไปใช้กับแต่ละคน ผู้วิจัยเพียงต้องแน่ใจว่าสมมติฐานของเขาตรงกันในความหมายและรูปแบบกับสมมติฐานที่เสนอไว้ในคำอธิบายของแต่ละเกณฑ์