Har du noen gang lurt på hva en p-verdi egentlig er? Vel, da har du kommet til rett sted! Dette innlegget er ment å være en innføring i et av de mest sentrale konseptene innen slutningsstatistikk, nemlig p-verdi.
P-verdi, enkelt forklart
«P» i p-verdi står for «probability», som betyr sannsynlighet. En p-verdi er tall, vanligvis mellom 0 og 1, som hjelper oss med å tolke resultatene fra en statistisk analyse. P-verdien er en sannsynlighet for å observere data som er like ekstreme, eller mer ekstreme, enn de vi faktisk observerte, gitt at nullhypotesen er sann. Dette er lettere å forstå om vi tar utgangspunkt i et praktisk eksempel, for her må vi holde tunga rett i munnen.
Et praktisk eksempel for å forstå p-verdi
Tenk deg at du har utviklet et nytt treningsprogram og du lurer på om det hjelper folk å miste mer vekt enn et tradisjonelt program. Du setter opp en studie der du sammenligner vekttapet til en gruppe som følger det nye programmet med en gruppe som følger det gamle programmet.
Etter studien finner du ut at de som fulgte det nye programmet mistet mer vekt. Spørsmålet blir da: Er forskjellen i vekttapet du observerer virkelig på grunn av det nye treningsprogrammet, eller kunne det ha skjedd ved en tilfeldighet?
La oss si at p-verdien er 0,03. Hvis nullhypotesen og testens øvrige antakelser gjelder, er sannsynligheten 3 prosent for å få et resultat minst like ekstremt som det observerte. Dette er ikke det samme som at det er 3 prosent sannsynlighet for at forskjellen skyldes tilfeldigheter.
Hva kan vi konkludere når p er mindre enn signifikansnivået?
En lav p-verdi viser at resultatet er lite forenlig med nullhypotesen, gitt testens antakelser. Hvis p-verdien er lavere enn et forhåndsvalgt signifikansnivå på 0,05, forkaster vi nullhypotesen og kaller resultatet statistisk signifikant. Det beviser verken en årsakssammenheng eller at effekten er stor.
I vår studie fant vi en p-verdi på 0,03. Her er hva vi kan konkludere, gitt at vi følger standard retningslinjer med 0,05 som signifikansnivå (også kalt alfa-nivå):
Hvor forkastningsområdet plasseres i fordelingen, avhenger av om du gjennomfører en ensidig eller tosidig hypotesetest.
- Det du kan konkludere basert på dette er at det er en statistisk signifikant forskjell mellom de to treningsprogrammene i denne spesifikke studien.
- Hvis nullhypotesen var sann (dvs., ingen forskjell mellom de to treningsprogrammene), ville det være kun en sjanse på 3% for å se resultater som er så ekstreme, eller mer ekstreme, som det du faktisk observerte.
- Siden 0,03 er lavere enn signifikansnivået 0,05, forkaster vi nullhypotesen. Resultatet gir støtte til en forskjell mellom programmene under testens antakelser. Det beviser ikke at det nye programmet er bedre; vi må også vurdere studiedesign, effektstørrelse og usikkerhet.
Hva p-verdi ikke kan si noe om
På eksamen er det viktig å holde tunga rett i munnen når du blir bedt å tolke eller forklare en p-verdi. Sensor kommer til å følge tett med på om du går i noen av de vanlige fellene. Her er hva du IKKE kan konkludere på bakgrunn av en p-verdi som er under signifikansnivået på 0,05:
- Årsakssammenheng: Selv om du har funnet en statistisk signifikant forskjell, betyr det ikke nødvendigvis at det nye treningsprogrammet forårsaket det økte vekttapet. Det kan være andre faktorer involvert som du ikke har tatt hensyn til i studien din (for eksempel kosthold, andre fysiske aktiviteter, genetiske forskjeller mellom deltakerne, etc.).
- Størrelsen på effekten: P-verdien måler ikke størrelsen på forskjellen mellom gruppene. Den påvirkes blant annet av utvalgsstørrelsen og variasjonen i dataene. Du må se på andre mål (for eksempel effektstørrelse) for å bedømme hvor stor denne forskjellen er.
- Sannheten av nullhypotesen: En lav p-verdi gir deg evidens mot nullhypotesen, men den beviser ikke med 100% sikkerhet at nullhypotesen er usann. Det er alltid en liten sjanse for at du kan ha fått en lav p-verdi ved en tilfeldighet, selv om nullhypotesen egentlig er sann (forkaster vi da nullhypotesen, gjør vi en type 1-feil).
- Viktighet: En lav p-verdi betyr ikke nødvendigvis at forskningen er viktig eller relevant. Den betyr bare at de observerte resultatene er usannsynlige under nullhypotesen. Sagt på en annen måte – statistisk signifikans er ikke det samme som faglig eller praktisk signifikans.
Se gjerne våre tips til statistikkeksamen for å unngå disse fellene på eksamensdagen.
P-verdier møter du også i andre tester, for eksempel i variansanalyse (ANOVA), der du sammenligner gjennomsnittet i flere enn to grupper.
Forhåpentligvis har dette innlegget hjulpet deg til å forstå litt mer om p-verdier. Hvis du ønsker å lære mer, sjekk ut våre fag i samfunnsvitenskapelig metode og statistikk for å sikre at disse konseptene sitter før din eksamen!
Finn ditt Statistikk for økonomer-fag tilpasset ditt studiested
MET 2920
Statistikk for økonomer
MET2
Statistikk for økonomer – NHH
MET 3431
Statistikk
MET 1190
Statistikk (siviløkonom)
ØKA1026, 3MET130, SMET130, HMET130
Statistikk for økonomer – Høgskolen i Innlandet
BØA115
Statistikk for økonomer – HVL
SFO1100
Statistikk for økonomer – Kristiania
SØK1004, REA1154, AR100219, MET1002
Statistikk for økonomer – NTNU
MET1010
Statistikk for økonomer – USN
HSM103
Statistikk – NLA Høgskolen
ØAMET1100
Statistikk – OsloMet
Finn ditt metide-fag tilpasset ditt studiested
MET 2123
Metode og innsikt
MET3001, SMF2292, AM201306
Kvantitative og kvalitative metoder – NTNU
MET 3590
Metode og statistisk dataanalyse
ØMO111
Samfunnsvitenskapelig metode – HVL
ØAMET2100
Samfunnsvitenskapelig metode – OsloMet
SVM1100, 6025
Samfunnsvitenskapelig metode – Kristiania
SAM2000
Samfunnsvitenskapelig metode – USN
BAL2200
Samfunnsvitenskapelig metode – OsloMet (BAL2200)
ME118S
Innføring i samfunnsvitenskapelig metode – Nord Universitetet
