Достоверность статистического заключения - Statistical conclusion validity

Достоверность статистического заключения степень, в которой выводы об отношениях между переменные основанные на данных верны или "разумны". Сначала это было связано исключительно с тем, было ли статистическое заключение о взаимосвязи переменных правильным, но теперь наблюдается движение к переходу к «разумным» выводам, в которых используются: количественные, статистические и качественные данные.[1] По сути, могут возникать ошибки двух типов: тип I (обнаружение различий или корреляций, когда их нет) и тип II (не обнаруживая различий или корреляций, когда они существуют). Достоверность статистического вывода касается качеств исследования, которые делают эти типы ошибок более вероятными. Достоверность статистического заключения предполагает использование адекватных процедур выборки, соответствующих статистических тестов и надежных процедур измерения.[2][3][4]

Общие угрозы

Наиболее частыми угрозами достоверности статистического заключения являются:

Низкая статистическая мощность

Мощность вероятность правильного отклонения нулевая гипотеза когда оно ложно (инверсия частоты ошибок типа II). Эксперименты с малой мощностью имеют более высокую вероятность неверного принятия нулевой гипотезы, то есть совершить ошибку типа II и прийти к выводу, что нет никакого эффекта, когда он действительно есть (то есть существует реальная ковариация между причиной и следствием). Низкая мощность возникает, когда размер выборки исследования слишком мал с учетом других факторов (небольшой размеры эффекта, большая групповая изменчивость, ненадежные измерения и т. д.).

Нарушены предположения тестовой статистики

Большинство статистических тестов (особенно выведенный статистика ) включают предположения о данных, которые делают анализ пригодным для проверка гипотезы. Нарушение предположений статистических тестов может привести к неверным выводам о причинно-следственной связи. В надежность теста показывает, насколько он чувствителен к нарушениям. Нарушение предположений может сделать тесты более или менее вероятными. ошибки типа I или II.

Дноуглубительные работы и проблема частоты ошибок

Каждая проверка гипотез включает установленный риск ошибки типа I (альфа-коэффициент). Если исследователь ищет или "земснаряды "через свои данные, проверяя множество различных гипотез, чтобы найти значительный эффект, они раздувают свой коэффициент ошибок типа I. Чем больше исследователь повторно проверяет данные, тем выше шанс обнаружить ошибку типа I и сделать неверный вывод о наличие отношений.

Ненадежность мер

Если зависимая и / или независимая переменная (и) не измеряется надежно (т.е. с большим количеством погрешность измерения ) можно сделать неверные выводы.

Ограничение диапазона

Ограничение диапазона, например эффекты пола и потолка или же эффекты выбора, уменьшите мощность эксперимента и увеличьте вероятность ошибки типа II.[5] Это потому что корреляции ослабляются (ослабляются) уменьшенной изменчивостью (см., например, уравнение для Коэффициент корреляции продукт-момент Пирсона который использует в своей оценке дисперсию баллов).

Неоднородность исследуемых единиц

Большая неоднородность людей, участвующих в исследовании, также может повлиять на интерпретацию результатов, увеличивая разброс результатов или скрывая истинные отношения (см. Также ошибка выборки. , тем выше будет стандартное отклонение. Это скрывает возможные взаимодействия между характеристиками единиц и причинно-следственными отношениями.

Угрозы внутренней действительности

Любой эффект, который может повлиять на внутренняя валидность исследования могут исказить результаты и повлиять на достоверность сделанных статистических выводов. Эти угрозы внутренней валидности включают ненадежность проведения лечения (отсутствие стандартизация ) или неспособность контролировать посторонние переменные.

Смотрите также

Рекомендации

  1. ^ Козби, Пол С. (2009). Методы исследования поведения (10-е изд.). Бостон: Высшее образование Макгроу-Хилла.
  2. ^ Cohen, R.J .; Свердлик, М. Э. (2004). Психологическое тестирование и оценка (6-е издание). Сидней: Макгроу-Хилл.
  3. ^ Cook, T. D .; Кэмпбелл, Д. Т .; Дэй, А. (1979). Квази-экспериментирование: вопросы проектирования и анализа полевых настроек. Houghton Mifflin.
  4. ^ Шадиш, В .; Кук, Т. Д .; Кэмпбелл, Д. Т. (2006). Экспериментальные и квазиэкспериментальные планы для обобщенного причинного вывода. Houghton Mifflin.
  5. ^ Sackett, P.R .; Lievens, F .; Berry, C.M .; Ландерс, Р. (2007). «Предупреждение о влиянии ограничения диапазона на взаимосвязь предикторов» (PDF). Журнал прикладной психологии. 92 (2): 538–544. Дои:10.1037/0021-9010.92.2.538. PMID  17371098.