Significado estatístico

O que é significância estatística?

Significância estatística refere-se à afirmação de que um resultado de dados gerados por teste ou experimentação não é provável que ocorra aleatoriamente ou por acaso, mas é provável que seja atribuível a uma causa específica. Ter significância estatística é importante para disciplinas acadêmicas ou profissionais que dependem fortemente da análise de dados e pesquisas, como economia, finança, investindo, Medicina, física, e biologia.

A significância estatística pode ser considerada forte ou fraca. Ao analisar um conjunto de dados e fazer os testes necessários para discernir se uma ou mais variáveis ​​têm efeito sobre um resultado, A significância estatística forte ajuda a apoiar o fato de que os resultados são reais e não causados ​​por sorte ou acaso. Dito de forma simples, se um valor p for pequeno, o resultado será considerado mais confiável.

Os problemas surgem em testes de significância estatística porque os pesquisadores geralmente trabalham com amostras de populações maiores e não com as próprias populações. Como resultado, as amostras devem ser representativas da população, portanto, os dados contidos na amostra não devem ser tendenciosos de forma alguma. Na maioria das ciências, incluindo economia, a significância estatística é relevante se uma afirmação pode ser feita a um nível de 95% (ou às vezes 99%).

Compreendendo a significância estatística

O cálculo da significância estatística (teste de significância) está sujeito a um certo grau de erro. O pesquisador deve definir com antecedência a probabilidade de um erro de amostragem, que existe em qualquer teste que não inclui toda a população.

O tamanho da amostra é um componente importante de significância estatística, pois amostras maiores são menos propensas a vermes. Apenas aleatório, amostras representativas devem ser usadas em testes de significância. O nível em que se pode aceitar se um evento é estatisticamente significativo é conhecido como nível de significância.

Os pesquisadores usam uma estatística de teste conhecida como valor p para determinar a significância estatística:se o valor p cair abaixo do nível de significância, então o resultado é estatisticamente significativo. O valor p é uma função das médias e desvios padrão das amostras de dados.

O valor p indica a probabilidade sob a qual o resultado estatístico dado ocorreu, assumindo que o acaso é o único responsável pelo resultado. Se essa probabilidade for pequena, então o pesquisador pode controlar com segurança nossa chance como causa. O valor de p deve estar abaixo do nível de significância para que os resultados sejam pelo menos considerados estatisticamente significativos.

O oposto do nível de significância, calculado como 1 menos o nível de significância, é o nível de confiança. Indica o grau de confiança de que o resultado estatístico não ocorreu por acaso ou por erro amostral. O nível de confiança habitual em muitos testes estatísticos é de 95%, levando a um nível de significância habitual ou valor de p de 5%.

Principais conclusões

• Significância estatística refere-se à afirmação de que um resultado de dados gerados por testes ou experimentação pode ser atribuído a uma causa específica.
• Se uma estatística tiver uma significância alta, ela será considerada mais confiável.
• O cálculo da significância estatística está sujeito a um certo grau de erro.
• A significância estatística pode ser mal interpretada quando os pesquisadores não usam a linguagem com cuidado ao relatar seus resultados.
• Vários tipos de testes de significância são usados, dependendo da pesquisa que está sendo conduzida

Considerações Especiais

A significância estatística nem sempre indica significância prática, o que significa que os resultados não podem ser aplicados a situações de negócios do mundo real. Além disso, a significância estatística pode ser mal interpretada quando os pesquisadores não usam a linguagem com cuidado ao relatar seus resultados. O fato de um resultado ser estatisticamente significativo não significa que seja não aleatória, apenas que a probabilidade de ser aleatório é bastante reduzida.

Só porque duas séries de dados mantêm uma forte correlação uma com a outra não implica em causalidade. Por exemplo, o número de filmes em que o ator Nicolas Cage estrela em um determinado ano está altamente correlacionado com o número de afogamentos acidentais em piscinas. Mas essa correlação é espúria, uma vez que não há nenhuma afirmação causal teórica que possa ser feita.

Outro problema que pode surgir com significância estatística é que os dados anteriores, e os resultados desses dados, seja estatisticamente significativo ou não, pode não refletir as condições atuais ou futuras. Ao investir, isso pode se manifestar em um modelo de precificação que se rompe em tempos de crise financeira, pois as correlações mudam e as variáveis ​​não interagem como de costume. A importância estatística também pode ajudar um investidor a discernir se um modelo de precificação de ativos é melhor do que outro.

Tipos de testes de significância estatística

Vários tipos de testes de significância são usados ​​dependendo da pesquisa que está sendo conduzida. Por exemplo, testes podem ser empregados para um, dois, ou mais amostras de dados de vários tamanhos para médias, variações, proporções, dados emparelhados ou não, ou diferentes distribuições de dados.

A Hipótese Nula

Todos esses fatores têm o que é chamado de hipóteses nulas, e a significância geralmente é o objetivo do teste de hipóteses em estatísticas. A hipótese nula mais comum é que o parâmetro em questão é igual a zero (normalmente indicando que uma variável tem efeito zero no resultado de interesse). Se você puder rejeitar a hipótese nula com uma confiança de 95% ou melhor, os pesquisadores podem invocar a significância estatística. Hipóteses nulas também podem ser testadas para a igualdade (em vez de igual a zero) de efeito para dois ou mais tratamentos alternativos.

Rejeição da hipótese nula, mesmo que um alto grau de significância estatística nunca possa provar algo, pode apenas adicionar suporte a uma hipótese existente. Por outro lado, a falha em rejeitar uma hipótese nula é freqüentemente motivo para rejeição de uma hipótese.

Um teste de significância estatística compartilha muito da mesma matemática do cálculo de um intervalo de confiança. Em situações comuns, uma forma de interpretar a significância estatística é que o intervalo de confiança de 95% correspondente não contém o valor zero. Mesmo se uma variável for considerada estatisticamente significativa, ainda deve fazer sentido no mundo real.

Adicionalmente, um efeito pode ser estatisticamente significativo, mas tem apenas um impacto muito pequeno. Por exemplo, pode ser muito improvável devido ao acaso de as empresas que usam papel higiênico de duas camadas em seus banheiros terem funcionários mais produtivos, mas a melhoria na produtividade absoluta de cada trabalhador provavelmente será minúscula.