コンテンツ
統計的有意性は、調査結果が単なる偶然の発生ではなく、数学的に「現実」で統計的に防御可能であるかどうかの客観的な指標です。一般的に使用される有意性検定は、データセットの平均の差またはデータセットの分散の差を探します。適用されるテストのタイプは、分析されるデータのタイプによって異なります。研究者は、結果がどの程度重要であるか、つまり、間違っていることに対してどれだけのリスクを負うかを決定するのは研究者次第です。通常、研究者はリスクレベル5％を受け入れます。
タイプIエラー：帰無仮説の誤った拒否
•••Scott Rothstein / iStock / Getty Images特定の仮説、または予想される結果を伴う実験的な質問をテストするために、実験が行われます。帰無仮説とは、比較される2つのデータセットの間に差異がないことを検出する仮説です。たとえば、医療試験では、帰無仮説は、治験薬を投与された患者とプラセボを投与された患者との間に改善の差がないということです。実際に真実であるにもかかわらず、研究者がこの帰無仮説を誤って拒否した場合、つまり、実際に違いがなかったときに2組の患者の違いを「検出」した場合、タイプIエラーが発生します。研究者は、タイプIエラーをコミットするリスクをどれだけ受け入れるかを事前に決定します。このリスクは、帰無仮説を棄却する前に受け入れる最大p値に基づいており、アルファと呼ばれます。
タイプIIエラー：対立仮説を誤って拒否
対立仮説は、比較されている2つのデータセットの違いを検出する仮説です。臨床試験の場合、治験薬を投与された患者とプラセボを投与された患者にさまざまなレベルの改善が見られることが期待されます。研究者が帰すべき仮説を否定できない場合、言い換えれば、実際に違いがあったときに2組の患者の違いを「検出」しない場合、彼らはタイプIIエラーを犯しました。
重要度のレベルを決定する
研究者が統計的有意性の検定を実行し、結果のp値が許容可能とみなされるリスクのレベルよりも低い場合、検定結果は統計的に有意とみなされます。この場合、帰無仮説（2つのグループに差がないという仮説）は拒否されます。言い換えれば、この結果は、治験薬を投与された患者とプラセボを投与された患者との間に改善の違いがあることを示しています。
有意性テストの選択
いくつかの異なる統計的検定から選択できます。標準のt検定では、治験薬データやプラセボデータなどの2つのデータセットの平均を比較します。対応のあるt検定は、前後の研究など、同じデータセットの違いを検出するために使用されます。一元配置分散分析（ANOVA）は3つ以上のデータセットの平均を比較でき、二元配置分散分析は2つ以上のデータセットの平均を比較します。治験薬。線形回帰は、処理または時間の勾配に沿ってデータセットの平均を比較します。各統計テストは、テスト結果を解釈するために使用できる有意性、またはアルファの尺度になります。