'p- 값'의 정확한 값이 의미가 없습니까?

필자는 2009 년 통계 학자와 논의하여 p- 값의 정확한 값은 관련이 없다고 언급했습니다. 중요한 것은 중요한지 여부는 중요합니다. 즉, 한 결과가 다른 결과보다 더 중요 할 수는 없습니다. 예를 들어, 같은 모집단 출신이거나 그렇지 않은 표본.

나는 이것에 대한 몇 가지 자질을 가지고 있지만 아마도 이념을 이해할 수 있습니다.

1. 5 % 임계 값은 임의적입니다. 즉, p = 0.051은 유의하지 않으며 p = 0.049는 실제로는 하나의 결과가 중요하고 다른 결과는 중요하지 않더라도 관측 또는 실험의 결론을 변경해서는 안됩니다.

   내가 지금 이것을 제기하는 이유는 생물 정보학 석사를 공부하고 있기 때문에 현장의 사람들과 이야기를 나눈 후 모든 통계 세트에 대해 정확한 p- 값을 얻는 결정적인 추진력이있는 것 같습니다. 예를 들어, p <1.9 × 10 ^-12 의 p- 값을 '달성'하면 결과가 얼마나 중요한지 보여주고 싶어하며이 결과는 매우 유익합니다. 이 문제는 다음과 같은 질문으로 설명되었습니다. 왜 2.2e-16보다 작은 p- 값을 얻을 수 없습니까? 그들은 우연히도 1 조분의 1보다 훨씬 적다는 것을 나타내는 값을 기록하려고합니다. 그러나 나는이 결과가 10 억에서 1이 아니라 1 조에서 1 미만으로 발생한다는 것을 보여주는 차이가 거의 없다고 본다.

2. p <0.01은 이것이 일어날 확률이 1 % 미만인 것을 보여 주지만, p <0.001은 이와 같은 결과가 앞에서 언급 한 p- 값보다 더 가능성이 낮음을 나타내지 만 결론이 완전히 도출되어야하는 경우 다른? 결국 그들은 모두 중요한 p- 값입니다. 정확한 p- 값을 기록하기를 원하는 유일한 방법은 Bonferroni 보정을하는 동안 비교 횟수로 인해 임계 값이 변경되어 I 형 오류가 줄어드는 것입니다. 그럼에도 불구하고 왜 임계 값보다 12 차 작은 p- 값을 보여주고 싶습니까?

3. 그리고 Bonferroni 수정 자체도 약간 임의적이지 않습니까? 처음에는 수정이 매우 보수적 인 것으로 보이므로 관찰자가 다중 비교에 사용할 수있는 유의 수준에 액세스하도록 선택할 수있는 다른 수정이 있습니다. 그러나이 때문에 연구원이 어떤 통계를 사용하고자하는지에 따라 본질적으로 중요한 변수가되는 것은 아닙니다. 통계가 그렇게 해석되어야합니까?

결론적으로 통계가 덜 주관적이지 않아야한다 (주관적이어야 할 필요성은 다변량 시스템의 결과라고 생각하지만) 궁극적으로 나는 약간의 설명을 원한다. 어떤 것이 다른 것보다 더 중요 할 수 있는가? 정확한 p- 값을 기록하려는 경우 p <0.001이면 충분합니까?

1. 타입 1 / 오 거부 오류율 는 완전히 임의적이지는 않지만 그렇습니다. 인지력이 덜 복잡하기 때문에 α = .051 보다 다소 선호됩니다 ( 라운드 숫자와 5의 배수를 가진 사람들 ). 회의론과 실용성 사이의 적절한 타협이지만, 조금 구식 일 수도있다. 현대적인 방법과 연구 자원은 표준이 있어야하는 경우 높은 표준 (즉, 낮은 p 값)을 선호 할 수있다 ^{( Johnson, 2013 )} .$\alpha=.05$$\alpha=.051$$p$

   $p$$\ge.05$$p$$p$fail toreject

2. $p$$p$$p$

   $p$

3. $\alpha$

   $p$

fail toreject$p$-값이보고됩니까? (그리고 왜 R이 2.22e-16을 최소로 설정합니까?) "– 스택 오버플로에서 연결 한 질문 버전에 대한 답변보다 훨씬 낫습니다!

^{참고 문헌
-Johnson, VE (2013). 통계적 증거에 대한 개정 표준. 국립 과학 아카데미의 절차, 110 (48), 19313–19317. http://www.pnas.org/content/110/48/19313.full.pdf 에서 검색했습니다 .
-Lew, MJ (2013). P로 또는 P로 : P- 값의 증거 적 성격과 과학적 추론에서의 위치. arXiv : 1311.0081 [stat.ME]. http://arxiv.org/abs/1311.0081 에서 검색했습니다 .}

가치가 의미가 있다면 정확한 가치가 의미가있는 것 같습니다.

p 값이이 질문에 답합니다 :

이 표본을 무작위로 추출한 모집단에서 귀무 가설이 참인 경우 표본에서 얻은 것 이상으로 검정 통계량을 얻을 확률은 얼마입니까?

이 정의는 어떻습니까?

이것은 p의 극단 값에 관한 질문과는 다른 질문입니다. p가 많은 0을 포함하는 명령문의 문제점은 극단에서 p를 얼마나 잘 추정 할 수 있는지에 관한 것입니다. 우리는 그것을 잘 할 수 없기 때문에 p의 정확한 추정치를 사용하는 것은 의미가 없습니다. 이것이 우리가 p = 0.0319281010012981이라고 말하지 않은 것과 같은 이유입니다. 우리는 확신을 가지고 그 마지막 자리를 모른다.

p <0.05가 아니라 p <0.001 인 경우 결론이 달라야합니까? 또는 정확한 숫자를 사용하려면 p = 0.035가 아니라 p = 0.00023 인 경우 결론이 달라야합니까?

문제는 우리가 p에 대해 일반적으로 결론을 내리는 방법에 있다고 생각합니다. 우리는 임의의 수준에 기초하여 "유의"또는 "유의하지 않다"고 말합니다. 이러한 임의의 수준을 사용하면 결론이 달라집니다. 그러나 이것이 우리가 이런 것들에 대해 생각해야하는 방식이 아닙니다. 우리는 증거의 무게를 살펴보고 통계적 테스트는 그 증거의 일부일 뿐입니다 . Robert Abelson의 "MAGIC 기준"을 (다시 한번) 연결하겠습니다.

크기-효과가 얼마나 큽니까?

조음-얼마나 정확하게 말합니까? 많은 예외가 있습니까?

일반성-어떤 그룹에 적용됩니까?

흥미-사람들이 관심을 가질 것인가?

신뢰성-말이 되나요?

중요한 것은 이들 모두의 조합입니다. Abelson은 p 값을 언급하지 않지만, 크기와 관절의 일종의 하이브리드로 제공됩니다.