Significato statistico

Che cos'è il significato statistico?

La significatività statistica si riferisce all'affermazione che un risultato di dati generati da test o sperimentazioni non è probabile che si verifichi casualmente o per caso, ma è invece probabile che sia attribuibile a una causa specifica. Avere un significato statistico è importante per le discipline accademiche o i professionisti che fanno molto affidamento sull'analisi dei dati e sulla ricerca, come l'economia, finanza, investire, medicinale, fisica, e biologia.

La significatività statistica può essere considerata forte o debole. Quando si analizza un set di dati e si eseguono i test necessari per discernere se una o più variabili hanno un effetto su un risultato, una forte significatività statistica aiuta a sostenere il fatto che i risultati sono reali e non causati dalla fortuna o dal caso. Semplicemente dichiarato, se un p-value è piccolo, il risultato è considerato più affidabile.

I problemi sorgono nei test di significatività statistica perché i ricercatori di solito lavorano con campioni di popolazioni più grandi e non con le popolazioni stesse. Di conseguenza, i campioni devono essere rappresentativi della popolazione, quindi i dati contenuti nel campione non devono essere in alcun modo distorti. Nella maggior parte delle scienze, compresa l'economia, la significatività statistica è rilevante se una richiesta può essere presentata a un livello del 95% (o talvolta del 99%).

Comprensione del significato statistico

Il calcolo della significatività statistica (test di significatività) è soggetto a un certo grado di errore. Il ricercatore deve definire in anticipo la probabilità di un errore di campionamento, che esiste in qualsiasi test che non includa l'intera popolazione.

La dimensione del campione è una componente importante della significatività statistica in quanto i campioni più grandi sono meno soggetti a raffreddori. Solo casuale, campioni rappresentativi dovrebbero essere usati nei test di significatività. Il livello al quale si può accettare se un evento è statisticamente significativo è noto come livello di significatività.

I ricercatori utilizzano una statistica di test nota come valore p per determinare la significatività statistica:se il valore p scende al di sotto del livello di significatività, allora il risultato è statisticamente significativo. Il p-value è una funzione delle medie e delle deviazioni standard dei campioni di dati.

Il p-value indica la probabilità sotto la quale si è verificato il dato risultato statistico, supponendo che solo il caso sia responsabile del risultato. Se questa probabilità è piccola, allora il ricercatore può tranquillamente governare la nostra possibilità come causa. Il p-value deve rientrare nel livello di significatività affinché i risultati siano almeno considerati statisticamente significativi.

L'opposto del livello di significatività, calcolato come 1 meno il livello di significatività, è il livello di confidenza. Indica il grado di confidenza che il risultato statistico non si è verificato per caso o per errore di campionamento. Il livello di confidenza consueto in molti test statistici è del 95%, portando a un livello di significatività consueto o p-value del 5%.

Punti chiave

• La significatività statistica si riferisce all'affermazione che è probabile che un risultato di dati generati da test o sperimentazioni sia attribuibile a una causa specifica.
• Se una statistica ha un'elevata significatività, è considerata più affidabile.
• Il calcolo della significatività statistica è soggetto a un certo grado di errore.
• Il significato statistico può essere frainteso quando i ricercatori non usano il linguaggio con attenzione nel riportare i loro risultati.
• Diversi tipi di test di significatività vengono utilizzati a seconda della ricerca condotta

considerazioni speciali

La significatività statistica non sempre indica un significato pratico, il che significa che i risultati non possono essere applicati a situazioni aziendali reali. Inoltre, la significatività statistica può essere fraintesa quando i ricercatori non usano il linguaggio con attenzione nel riportare i loro risultati. Poiché un risultato è statisticamente significativo non implica che lo sia non a caso, solo che la probabilità che sia casuale è notevolmente ridotta.

Solo perché due serie di dati hanno una forte correlazione l'una con l'altra non implica una causalità. Per esempio, il numero di film in cui recita l'attore Nicolas Cage in un dato anno è strettamente correlato al numero di annegamenti accidentali nelle piscine. Ma questa correlazione è spuria poiché non vi è alcuna affermazione causale teorica che possa essere fatta.

Un altro problema che può sorgere con rilevanza statistica è che i dati passati, e i risultati di quei dati, statisticamente significativo o meno, potrebbero non riflettere le condizioni attuali o future. Nell'investire, questo può manifestarsi in un modello di prezzo che si rompe durante i periodi di crisi finanziaria poiché le correlazioni cambiano e le variabili non interagiscono come al solito. La significatività statistica può anche aiutare un investitore a discernere se un modello di determinazione del prezzo degli asset è migliore di un altro.

Tipi di test di significatività statistica

Diversi tipi di test di significatività vengono utilizzati a seconda della ricerca condotta. Per esempio, i test possono essere impiegati per uno, Due, o più campioni di dati di varia dimensione per le medie, varianze, proporzioni, dati accoppiati o non accoppiati, o diverse distribuzioni di dati.

L'ipotesi nulla

Tutti questi fattori hanno le cosiddette ipotesi nulle, e la significatività è spesso l'obiettivo della verifica delle ipotesi nelle statistiche. L'ipotesi nulla più comune è che il parametro in questione sia uguale a zero (tipicamente indica che una variabile ha effetto zero sull'esito di interesse). Se puoi rifiutare l'ipotesi nulla con una confidenza del 95% o migliore, i ricercatori possono invocare la significatività statistica. Le ipotesi nulle possono anche essere verificate per l'uguaglianza (piuttosto che uguale a zero) dell'effetto per due o più trattamenti alternativi.

Rifiuto dell'ipotesi nulla, anche se un grado molto elevato di significatività statistica non può mai dimostrare qualcosa, può solo aggiungere supporto a un'ipotesi esistente. D'altra parte, il mancato rigetto di un'ipotesi nulla è spesso motivo di rigetto di un'ipotesi.

Un test di significatività statistica condivide gran parte della stessa matematica di quella del calcolo di un intervallo di confidenza. In situazioni comuni, un modo per interpretare la significatività statistica è che il corrispondente intervallo di confidenza al 95% non contiene il valore zero. Anche se una variabile risulta statisticamente significativa, deve ancora avere senso nel mondo reale.

Inoltre, un effetto può essere statisticamente significativo ma avere solo un impatto molto piccolo. Per esempio, potrebbe essere molto improbabile a causa della possibilità che le aziende che utilizzano carta igienica a due veli nei loro bagni abbiano dipendenti più produttivi, ma il miglioramento sulla produttività assoluta di ciascun lavoratore rischia di essere minuscolo.