Estimering statistik

Estimering statistik er en dataanalyse ramme, der bruger en kombination af effekt størrelser, konfidensintervaller, præcision planlægning og meta-analyse til at planlægge eksperimenter, analysere data og fortolke resultater. Det adskiller sig fra nulhypotesen signifikanstestning, som anses for at være mindre informativ. Statistik estimering, eller blot estimering, er også kendt som den nye statistik, der skelnes indført inden for psykologi, medicinsk forskning, biovidenskab og en bred vifte af andre eksperimentelle videnskaber, hvor NHST stadig fremherskende, på trods af estimering statistikker blevet anbefalet som foretrækkes i flere årtier.

Det primære formål med estimationsmetoder er at estimere størrelsen af ​​en effekt og rapportere en effekt størrelse sammen med sine konfidensintervaller, hvor sidstnævnte er relateret til præcisionen af ​​estimatet. Skøn på sin kerne indebærer analysere data for at opnå et punkt estimat og et interval estimat, der opsummerer en række sandsynlige værdier af den underliggende befolkning effekt. Fortalere for estimering se rapporterer en p-værdi som enten en sekundær opgave eller et lidet distraktion fra den vigtige virksomhed rapportere en effekt størrelse med sine konfidensintervaller.

Historie

Fysik har længe beskæftiget et vægtet gennemsnit metode, der ligner meta-analyse.

Estimering statistikker i den moderne æra begyndte med udviklingen af ​​den standardiserede effekt størrelsen af ​​Jacob Cohen i 1960'erne. Forskning syntese under anvendelse af estimering statistik blev udviklet af Gene V. Glas med udviklingen af ​​metoden til meta-analyse i 1970'erne. Er blevet raffineret estimationsmetoder siden af ​​Larry Hedges, Michael Borenstein, Doug Altman, Martin Gardner, Geoff Cumming og andre. Den systematiske gennemgang, sammenholdt med meta-analyse, er et tilknyttet teknik med udbredt anvendelse i medicinsk forskning. Der er nu over 60.000 citationer til "meta-analyse" i PubMed. På trods af den udbredte anvendelse af meta-analyse, rammen estimering er stadig ikke rutinemæssigt anvendes i den primære biomedicinsk forskning.

I 1990'erne redaktør Kenneth Rothman forbudt brugen af ​​p-værdier fra tidsskriftet Epidemiology; overholdelse var høj blandt forfattere, men dette ikke væsentligt ændrer deres analytisk tænkning.

For nylig er estimationsmetoder blive vedtaget på områder som neurovidenskab og psykologi.

Den Offentliggørelse Manual of American Psychological Association anbefaler estimering løbet hypotese test. De ensartede krav til Manuskripter indsendes til Biomedical Journals dokument gør en lignende anbefaling: ". Undgå at forlade sig alene på hypoteseprøvning, såsom P-værdier, som ikke formidle vigtige oplysninger om effekt størrelse"

Fejl og mangler i signifikans test

I signifikans test, er det primære mål for statistiske beregninger for at opnå en p-værdi, sandsynligheden for at se en opnåede resultat, eller en mere ekstrem resultat, når antager nulhypotesen er sand. Hvis p-værdien er lav, er den statistiske praktiserende derefter opfordret til at afvise nul-hypotesen. Fortalere for estimering afviser gyldigheden af ​​betydning testning af følgende grunde, blandt andre:

  • P-værdier er generelt let misfortolkes. For eksempel er p-værdien er ofte fejlagtigt opfattes som "sandsynligheden for, at nulhypotesen er falsk.
  • Nulhypotesen er altid galt for hvert sæt af observationer: der er altid en vis effekt, selv om det er ganske lille.
  • Betydning test producerer vilkårligt dikotome ja-ingen svar, mens kassere vigtige oplysninger om størrelsesorden.
  • En bestemt p-værdi opstår gennem samspillet af effekten størrelse, stikprøvestørrelsen og prøveudtagning fejl.
  • Ved lav effekt, simulering viser, at fejlprocenten gør p-værdier ekstremt volatile.

John Tukey lampooned signifikans test ved at forestille hvis fysikere havde karakteriseret elastiske materialer i udsagnet: ". Når du trækker på det, bliver det længere"

Fordele ved estimering statistik

Fordele ved konfidensintervaller

Konfidensintervaller opfører sig på en forudsigelig måde. Definition 95% konfidensintervaller har en 95% chance for at fange den underliggende populationsgennemsnit. Denne funktion forbliver konstant med stigende stikprøvestørrelse; hvilke ændringer er, at intervallet bliver mindre. Derudover 95% konfidensintervaller er også 83% forudsigelse intervaller: en eksperiments konfidensintervaller har en 83% chance for at fange enhver fremtidig forsøg middelværdi. Som sådan, vel vidende en enkelt eksperiment er 95% konfidensintervaller giver analytikeren en plausibel område for befolkningen betyder, og plausible resultater af eventuelle efterfølgende replikering eksperimenter.

Evidensbaseret statistik

Psykologiske undersøgelser af opfattelsen af ​​statistikker viser, at rapportering interval skøn efterlader en mere præcis opfattelse af data end rapportering p-værdier.

Precision planlægning

Præcisionen af ​​et skøn formelt defineret som 1 / varians, og ligesom magt, stiger med stigende stikprøvestørrelse. Ligesom magten, en høj grad af præcision er dyrt; applikationer forskning tilskud ville ideelt set omfatte præcision / omkostningsanalyser. Fortalere for estimering tror præcision planlægning bør erstatte magten siden statistisk styrke i sig selv begrebsmæssigt er knyttet til signifikans test.

  0   0
Forrige artikel Daniel Drezner

Kommentarer - 0

Ingen kommentar

Tilføj en kommentar

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Tegn tilbage: 3000
captcha