統計的有意性

##統計的有意性とは何ですか？

統計的有意性とは、一連の観測データが偶然の結果ではなく、特定の原因に起因する可能性があるという主張を指します。統計的有意性は、経済学、金融、投資、医学、物理学、生物学など、データと研究の分析に大きく依存する学問分野または実務家にとって重要です。

統計的有意性は、強いまたは弱いと見なすことができます。データセットを分析し、1つ以上の変数が結果に影響を与えるかどうかを識別するために必要なテストを行う場合、強力な統計的有意性は、結果が実際のものであり、運や偶然によるものではないという事実を裏付けるのに役立ちます。簡単に言えば、p値が小さい場合、結果はより信頼できると見なされます。

研究者は通常、母集団自体ではなく、より大きな母集団のサンプルを使用しているため、統計的有意性の検定で問題が発生します。結果として、サンプルは母集団を表す必要があるため、サンプルに含まれるデータにバイアスがかかってはなりません。経済学を含むほとんどの科学では、信頼水準が95％（場合によっては99％）の場合、結果は統計的に有意であると見なされる場合があります。

##統計的有意性を理解する

統計的有意性の計算（有意性検定）には、ある程度の誤差があります。データに強い関係があるように見える場合でも、研究者は、ランダムな偶然またはサンプリングエラーのために明らかな相関が生じた可能性を考慮する必要があります。

サンプルサイズは、サンプルが大きいほど吸虫が発生しにくいという点で、統計的有意性の重要な要素です。重要度テストでは、ランダムに選択された代表的なサンプルのみを使用する必要があります。イベントが統計的に有意であるかどうかを受け入れることができるレベルは、有意水準として知られています。

p値と呼ばれる測定値を使用して、統計的有意性を決定します。p値が有意水準を下回った場合、結果は統計的に有意です。 p値は、データサンプルの平均と標準偏差の関数です。

p値は、偶然だけが結果の原因であると仮定して、特定の統計結果が発生した確率を示します。この確率が小さい場合、研究者は、他の何らかの要因が観測データの原因である可能性があると結論付けることができます。

1から有意水準を引いたものとして計算される有意水準の反対は、信頼水準です。これは、統計結果が偶然またはサンプリングエラーによって発生しなかったという信頼度を示します。多くの統計的検定の通常の信頼水準は95％であり、通常の有意水準またはp値は5％になります。

「Pハッキング」とは、統計的に有意な結果を求めて、多くの異なるデータセットを徹底的に比較することです。研究者は否定的な結果ではなく、好ましい結果のみを報告するため、これは報告バイアスの影響を受けます。

##特別な考慮事項

統計的有意性は必ずしも実際的な有意性を示すわけではありません。つまり、結果を実際のビジネス状況に適用することはできません。さらに、研究者が結果を報告する際に言語を注意深く使用しない場合、統計的有意性は誤って解釈される可能性があります。結果が統計的に有意であるという事実は、それが偶然の結果ではないことを意味するのではなく、そうである可能性が低いということだけを意味します。

2つのデータ系列が互いに強い相関関係を持っているからといって、因果関係を意味するわけではありません。たとえば、特定の年に俳優のニコラスケイジが主演する映画の数は、プールでの偶発的な溺死の数と非常に高い相関関係があります。しかし、理論的な因果関係を主張することはできないため、この相関関係は誤っています。

統計的有意性で発生する可能性のある別の問題は、過去のデータ、およびそのデータからの結果が、統計的に有意であるかどうかにかかわらず、現在または将来の状態を反映していない可能性があることです。投資において、これは、相関関係が変化し、変数が通常どおり相互作用しないため、金融危機の時期に崩壊する価格設定モデルに現れる可能性があります。統計的有意性は、投資家が1つの資産価格モデルが別のモデルよりも優れているかどうかを見極めるのにも役立ちます。

##統計的有意性検定の種類

実施されている研究に応じて、いくつかのタイプの有意性テストが使用されます。たとえば、平均、分散、比率、ペアまたは非ペアのデータ、または異なるデータ分布について、さまざまなサイズの1つ、2つ、またはそれ以上のデータサンプルに対してテストを使用できます。

利用可能なデータのタイプに応じて、有意性テストへのさまざまなアプローチもあります。ロナルド・フィッシャーは、最も柔軟なアプローチの1つを策定し、重要性の基準を** p**<0.05に設定したことで評価されています。ほとんどの作業はデータがすでに収集された後に実行できるため、この方法は短期または臨時の研究プロジェクトで引き続き人気があります。

フィッシャーの方法に基づいて構築しようとして、イェジ・ネイマンとエゴン・ピアソンは最終的に別のアプローチを開発しました。この方法では、データを収集する前にさらに多くの作業を行う必要がありますが、研究者は誤った結論に達する可能性を制御する方法で研究を設計することができます。

###ヌル仮説検定

統計的有意性は、研究者が他の説明を拒否することによって理論を支持しようとする帰無仮説検定で使用されます。この方法は誤解されることもありますが、医学、心理学、その他の分野で最も一般的なデータテストの方法です。

最も一般的な帰無仮説は、問題のパラメーターがゼロに等しいというものです（通常、変数が対象の結果に影響を与えないことを示します）。研究者が95％以上の信頼度で帰無仮説を棄却した場合、観察された関係は統計的に有意であると主張できます。帰無仮説は、2つ以上の代替治療の効果が等しいかどうかをテストすることもできます。

一般的な誤解に反して、高レベルの統計的有意性は、仮説が真であるか偽であるかを証明することはできません。実際には、統計的有意性は、帰無仮説が真であると仮定して、観測された結果が発生する可能性を測定します。

帰無仮説の棄却は、非常に高度な統計的有意性が何かを証明できない場合でも、既存の仮説にサポートを追加することしかできません。一方、帰無仮説を棄却できないことは、多くの場合、仮説を却下する理由になります。

さらに、効果は統計的に有意である可能性がありますが、影響はごくわずかです。たとえば、バスルームに2層のトイレットペーパーを使用している企業の従業員の生産性は統計的に有意ですが、各従業員の絶対生産性の向上はごくわずかである可能性があります。

**訂正– 2022年5月15日：**この記事は、有意差検定の潜在的な誤謬を強調するために編集されました。

##ハイライト

-統計的有意性とは、テストまたは実験によって生成されたデータからの結果が特定の原因に起因する可能性が高いという主張を指します。

-統計的有意性の計算には、ある程度の誤差があります。

-高度な統計的有意性は、観察された関係が偶然によるものである可能性が低いことを示しています。

-実施されている研究に応じて、いくつかのタイプの有意性検定が使用されます。

-研究者が結果を報告する際に言語を注意深く使用しない場合、統計的有意性は誤解される可能性があります。