आंकड़ों की महत्ता

सांख्यिकीय महत्व क्या है?

सांख्यिकीय महत्व इस दावे को संदर्भित करता है कि देखे गए डेटा का एक सेट संयोग का परिणाम नहीं है बल्कि इसके बजाय एक विशिष्ट कारण के लिए जिम्मेदार ठहराया जा सकता है। अकादमिक विषयों या चिकित्सकों के लिए सांख्यिकीय महत्व महत्वपूर्ण है जो डेटा और अनुसंधान, जैसे अर्थशास्त्र, वित्त,. निवेश,. चिकित्सा, भौतिकी और जीव विज्ञान के विश्लेषण पर बहुत अधिक निर्भर करते हैं ।

सांख्यिकीय महत्व को मजबूत या कमजोर माना जा सकता है। डेटा सेट का विश्लेषण करते समय और यह जानने के लिए आवश्यक परीक्षण करते समय कि क्या एक या अधिक चर का परिणाम पर प्रभाव पड़ता है, मजबूत सांख्यिकीय महत्व इस तथ्य का समर्थन करने में मदद करता है कि परिणाम वास्तविक हैं और भाग्य या संयोग के कारण नहीं हैं। सीधे शब्दों में कहें, यदि कोई पी-मान छोटा है तो परिणाम अधिक विश्वसनीय माना जाता है।

सांख्यिकीय महत्व के परीक्षणों में समस्याएँ उत्पन्न होती हैं क्योंकि शोधकर्ता आमतौर पर बड़ी आबादी के नमूनों के साथ काम कर रहे होते हैं, न कि स्वयं आबादी के। नतीजतन, नमूने जनसंख्या के प्रतिनिधि होने चाहिए, इसलिए नमूने में निहित डेटा किसी भी तरह से पक्षपाती नहीं होना चाहिए। अर्थशास्त्र सहित अधिकांश विज्ञानों में, परिणाम को सांख्यिकीय रूप से महत्वपूर्ण माना जा सकता है यदि उसका आत्मविश्वास स्तर 95% (या कभी-कभी 99%) है।

सांख्यिकीय महत्व को समझना

सांख्यिकीय महत्व (महत्व परीक्षण) की गणना कुछ हद तक त्रुटि के अधीन है। यहां तक कि अगर डेटा का एक मजबूत संबंध प्रतीत होता है, तो शोधकर्ताओं को इस संभावना के लिए जिम्मेदार होना चाहिए कि यादृच्छिक संयोग या नमूना त्रुटि के कारण एक स्पष्ट सहसंबंध उत्पन्न हुआ ।

नमूना आकार सांख्यिकीय महत्व का एक महत्वपूर्ण घटक है क्योंकि बड़े नमूनों में फ्लूक होने की संभावना कम होती है। महत्व परीक्षण में केवल यादृच्छिक रूप से चुने गए प्रतिनिधि नमूनों का उपयोग किया जाना चाहिए। जिस स्तर पर कोई यह स्वीकार कर सकता है कि कोई घटना सांख्यिकीय रूप से महत्वपूर्ण है या नहीं,. उसे महत्व स्तर के रूप में जाना जाता है।

शोधकर्ता सांख्यिकीय महत्व को निर्धारित करने के लिए पी-मान के रूप में ज्ञात माप का उपयोग करते हैं: यदि पी-मान महत्व स्तर से नीचे आता है, तो परिणाम सांख्यिकीय रूप से महत्वपूर्ण है। पी-मान डेटा नमूनों के साधनों और मानक विचलन का एक कार्य है।

पी-वैल्यू उस संभाव्यता को इंगित करता है जिसके तहत दिए गए सांख्यिकीय परिणाम हुए, परिणाम के लिए अकेले मौका जिम्मेदार है। यदि यह संभावना कम है, तो शोधकर्ता यह निष्कर्ष निकाल सकता है कि देखे गए डेटा के लिए कोई अन्य कारक जिम्मेदार हो सकता है।

महत्व स्तर के विपरीत, जिसकी गणना महत्व स्तर से 1 घटाकर की जाती है, आत्मविश्वास का स्तर है। यह विश्वास की डिग्री को इंगित करता है कि सांख्यिकीय परिणाम संयोग से या नमूना त्रुटि से नहीं हुआ। कई सांख्यिकीय परीक्षणों में प्रथागत आत्मविश्वास का स्तर 95% है, जिससे प्रथागत महत्व स्तर या 5% का पी-मान होता है।

"पी-हैकिंग" एक सांख्यिकीय रूप से महत्वपूर्ण परिणाम की खोज में डेटा के कई अलग-अलग सेटों की विस्तृत तुलना करने का अभ्यास है। यह पूर्वाग्रह की रिपोर्टिंग के अधीन है क्योंकि शोधकर्ता केवल अनुकूल परिणामों की रिपोर्ट करते हैं-नकारात्मक नहीं।

विशेष ध्यान

सांख्यिकीय महत्व हमेशा व्यावहारिक महत्व को इंगित नहीं करता है, जिसका अर्थ है कि परिणाम वास्तविक दुनिया की व्यावसायिक स्थितियों पर लागू नहीं किए जा सकते हैं। इसके अलावा, सांख्यिकीय महत्व की गलत व्याख्या की जा सकती है जब शोधकर्ता अपने परिणामों की रिपोर्ट करने में भाषा का सावधानीपूर्वक उपयोग नहीं करते हैं। तथ्य यह है कि एक परिणाम सांख्यिकीय रूप से महत्वपूर्ण है इसका मतलब यह नहीं है कि यह संयोग का परिणाम नहीं है, बस ऐसा होने की संभावना कम है।

सिर्फ इसलिए कि दो डेटा श्रृंखला एक दूसरे के साथ एक मजबूत संबंध रखती हैं, कार्य-कारण का मतलब नहीं है। उदाहरण के लिए, किसी दिए गए वर्ष में अभिनेता निकोलस केज सितारों की फिल्मों की संख्या स्विमिंग पूल में आकस्मिक डूबने की संख्या से बहुत अधिक सहसंबद्ध है। लेकिन यह सहसंबंध नकली है क्योंकि कोई सैद्धांतिक कारणात्मक दावा नहीं किया जा सकता है।

एक अन्य समस्या जो सांख्यिकीय महत्व के साथ उत्पन्न हो सकती है, वह यह है कि पिछले डेटा, और उस डेटा के परिणाम, चाहे सांख्यिकीय रूप से महत्वपूर्ण हों या नहीं, चल रहे या भविष्य की स्थितियों को प्रतिबिंबित नहीं कर सकते हैं। निवेश में, यह वित्तीय संकट के समय में मूल्य निर्धारण मॉडल के टूटने में प्रकट हो सकता है क्योंकि सहसंबंध बदलते हैं और चर हमेशा की तरह बातचीत नहीं करते हैं। सांख्यिकीय महत्व भी एक निवेशक को यह समझने में मदद कर सकता है कि एक परिसंपत्ति मूल्य निर्धारण मॉडल दूसरे से बेहतर है या नहीं।

सांख्यिकीय महत्व परीक्षण के प्रकार

किए जा रहे शोध के आधार पर कई प्रकार के महत्व परीक्षणों का उपयोग किया जाता है। उदाहरण के लिए, परीक्षण औसत, भिन्नता, अनुपात, युग्मित या अयुग्मित डेटा, या विभिन्न डेटा वितरण के लिए विभिन्न आकारों के एक, दो या अधिक डेटा नमूनों के लिए नियोजित किए जा सकते हैं।

उपलब्ध डेटा के प्रकार के आधार पर, महत्व परीक्षण के लिए अलग-अलग दृष्टिकोण भी हैं। रोनाल्ड फिशर को सबसे अधिक लचीले दृष्टिकोणों में से एक को तैयार करने का श्रेय दिया जाता है, साथ ही साथ p <0.05 पर महत्व के मानदंड को स्थापित करने का श्रेय दिया जाता है। चूंकि अधिकांश कार्य डेटा एकत्र किए जाने के बाद किए जा सकते हैं, यह विधि अल्पकालिक या तदर्थ अनुसंधान परियोजनाओं के लिए लोकप्रिय बनी हुई है।

फिशर की पद्धति पर निर्माण करने की मांग करते हुए, जेरज़ी नेमैन और एगॉन पियर्सन ने एक वैकल्पिक दृष्टिकोण विकसित किया। डेटा एकत्र करने से पहले इस पद्धति में और अधिक काम करने की आवश्यकता होती है, लेकिन यह शोधकर्ताओं को अपने अध्ययन को इस तरह से डिजाइन करने की अनुमति देता है जो झूठे निष्कर्ष तक पहुंचने की संभावना को नियंत्रित करता है।

शून्य परिकल्पना परीक्षण

शून्य परिकल्पना परीक्षण में सांख्यिकीय महत्व का उपयोग किया जाता है जहां शोधकर्ता अन्य स्पष्टीकरणों को खारिज करके अपने सिद्धांतों का समर्थन करने का प्रयास करते हैं। यद्यपि विधि को कभी-कभी गलत समझा जाता है, यह चिकित्सा, मनोविज्ञान और अन्य क्षेत्रों में डेटा परीक्षण का सबसे लोकप्रिय तरीका है।

सबसे आम अशक्त परिकल्पना यह है कि विचाराधीन पैरामीटर शून्य के बराबर है (आमतौर पर यह दर्शाता है कि एक चर का ब्याज के परिणाम पर शून्य प्रभाव पड़ता है)। यदि शोधकर्ता 95% या उससे अधिक के विश्वास के साथ शून्य परिकल्पना को अस्वीकार करते हैं, तो वे दावा कर सकते हैं कि एक मनाया संबंध सांख्यिकीय रूप से महत्वपूर्ण है। दो या दो से अधिक वैकल्पिक उपचारों के लिए प्रभाव की समानता के लिए अशक्त परिकल्पनाओं का भी परीक्षण किया जा सकता है।

आम धारणा के विपरीत, उच्च स्तर का सांख्यिकीय महत्व यह साबित नहीं कर सकता कि एक परिकल्पना सही है या गलत। वास्तव में, सांख्यिकीय महत्व इस संभावना को मापता है कि एक प्रेक्षित परिणाम हुआ होगा, यह मानते हुए कि शून्य परिकल्पना सत्य है।

शून्य परिकल्पना की अस्वीकृति, भले ही बहुत उच्च स्तर का सांख्यिकीय महत्व कभी भी कुछ ** साबित ** न कर सके, केवल मौजूदा परिकल्पना को समर्थन जोड़ सकता है। दूसरी ओर, एक अशक्त परिकल्पना को अस्वीकार करने में विफलता अक्सर एक परिकल्पना को खारिज करने का आधार होती है।

इसके अतिरिक्त, एक प्रभाव सांख्यिकीय रूप से महत्वपूर्ण हो सकता है लेकिन उसका प्रभाव बहुत कम होता है। उदाहरण के लिए, यह सांख्यिकीय रूप से महत्वपूर्ण हो सकता है कि जो कंपनियां अपने बाथरूम में टू-प्लाई टॉयलेट पेपर का उपयोग करती हैं, उनके पास अधिक उत्पादक कर्मचारी होते हैं, लेकिन प्रत्येक कार्यकर्ता की पूर्ण उत्पादकता में सुधार कम होने की संभावना है।

सुधार–15 मई, 2022: महत्व परीक्षण में संभावित त्रुटियों को उजागर करने के लिए इस लेख को संपादित किया गया है।

##हाइलाइट

• सांख्यिकीय महत्व इस दावे को संदर्भित करता है कि परीक्षण या प्रयोग द्वारा उत्पन्न डेटा के परिणाम एक विशिष्ट कारण के कारण होने की संभावना है।

• सांख्यिकीय महत्व की गणना कुछ हद तक त्रुटि के अधीन है।

• सांख्यिकीय महत्व का एक उच्च स्तर इंगित करता है कि एक मनाया संबंध संयोग के कारण होने की संभावना नहीं है।

• किए जा रहे शोध के आधार पर कई प्रकार के महत्व परीक्षण का उपयोग किया जाता है।

• सांख्यिकीय महत्व की गलत व्याख्या की जा सकती है जब शोधकर्ता अपने परिणामों की रिपोर्ट करने में भाषा का सावधानी से उपयोग नहीं करते हैं।