دلالة إحصائية

دلالة إحصائية

ما هي الدلالة الإحصائية؟

تشير الأهمية الإحصائية إلى الادعاء بأن النتيجة من البيانات التي تم إنشاؤها عن طريق الاختبار أو التجريب من غير المحتمل أن تحدث بشكل عشوائي أو عن طريق الصدفة ، ولكن من المحتمل بدلاً من ذلك أن تُعزى إلى سبب معين. وجود دلالة إحصائية المهم للتخصصات أو الممارسين الأكاديمية التي تعتمد بشكل كبير على تحليل البيانات والبحوث، مثل الاقتصاد، و التمويل ، والاستثمار ، الطب ، والفيزياء، وعلم الأحياء.

يمكن اعتبار الدلالة الإحصائية قوية أو ضعيفة. عند تحليل مجموعة بيانات وإجراء الاختبارات اللازمة لتحديد ما إذا كان متغيرًا واحدًا أو أكثر له تأثير على النتيجة ، تساعد الأهمية الإحصائية القوية في دعم حقيقة أن النتائج حقيقية وليست ناجمة عن الحظ أو الصدفة. وببساطة ، إذا كانت قيمة p صغيرة ، فإن النتيجة تعتبر أكثر موثوقية.

تنشأ المشكلات في الاختبارات ذات الأهمية الإحصائية لأن الباحثين عادةً ما يعملون مع عينات من مجموعات سكانية أكبر وليس السكان أنفسهم. نتيجة لذلك ، يجب أن تكون العينات ممثلة للسكان ، لذلك يجب ألا تكون البيانات الواردة في العينة متحيزة بأي شكل من الأشكال. في معظم العلوم ، بما في ذلك الاقتصاد ، تكون الدلالة الإحصائية ذات صلة إذا كان من الممكن تقديم مطالبة عند مستوى 95٪ (أو 99٪ في بعض الأحيان).

فهم الدلالة الإحصائية

يخضع حساب الدلالة الإحصائية (اختبار الأهمية) لدرجة معينة من الخطأ. يجب على الباحث أن يحدد مسبقًا احتمال حدوث خطأ في أخذ العينات ، والذي يوجد في أي اختبار لا يشمل المجتمع بأكمله.

يعد حجم العينة مكونًا مهمًا للدلالة الإحصائية حيث أن العينات الأكبر حجمًا أقل عرضة للإصابة بالصدمات. يجب استخدام عينات تمثيلية عشوائية فقط في اختبار الأهمية. يُعرف المستوى الذي يمكن للمرء أن يقبل عنده ما إذا كان الحدث ذا دلالة إحصائية باسم مستوى الأهمية.

يستخدم الباحثون إحصائية اختبار تُعرف بالقيمة p لتحديد الأهمية الإحصائية: إذا كانت القيمة p أقل من مستوى الأهمية ، فإن النتيجة ذات دلالة إحصائية. القيمة p هي دالة للوسائل والانحرافات المعيارية لعينات البيانات.

تشير القيمة p إلى الاحتمال الذي حدثت تحته النتيجة الإحصائية المحددة ، بافتراض أن الصدفة وحدها هي المسؤولة عن النتيجة. إذا كان هذا الاحتمال صغيرًا ، فيمكن للباحث أن يحكم بأمان فرصتنا كسبب. يجب أن تندرج القيمة الاحتمالية تحت مستوى الأهمية حتى يتم اعتبار النتائج ذات دلالة إحصائية على الأقل.

إن عكس مستوى الأهمية ، المحسوب بـ 1 ناقص مستوى الأهمية ، هو مستوى الثقة. يشير إلى درجة الثقة في أن النتيجة الإحصائية لم تحدث بالصدفة أو عن طريق الخطأ في أخذ العينات. مستوى الثقة المعتاد في العديد من الاختبارات الإحصائية هو 95 في المائة ، مما يؤدي إلى مستوى دلالة عادي أو قيمة احتمالية 5 في المائة.

الماخذ الرئيسية

• تشير الأهمية الإحصائية إلى الادعاء بأن النتيجة من البيانات الناتجة عن الاختبار أو التجريب من المحتمل أن تُعزى إلى سبب معين.
• إذا كان للإحصاء أهمية عالية ، فإنه يعتبر أكثر موثوقية.
• يخضع حساب الأهمية الإحصائية لدرجة معينة من الخطأ. 
• يمكن إساءة تفسير الدلالة الإحصائية عندما لا يستخدم الباحثون اللغة بحذر في الإبلاغ عن نتائجهم. 
• يتم استخدام عدة أنواع من اختبارات الأهمية اعتمادًا على البحث الذي يتم إجراؤه

إعتبارات خاصة

لا تشير الأهمية الإحصائية دائمًا إلى الأهمية العملية ، مما يعني أنه لا يمكن تطبيق النتائج على مواقف العمل في العالم الحقيقي. بالإضافة إلى ذلك ، يمكن إساءة تفسير الدلالة الإحصائية عندما لا يستخدم الباحثون اللغة بعناية في الإبلاغ عن نتائجهم. لأن النتيجة ذات دلالة إحصائية لا تعني أنها ليست  عشوائية ، فقط أن احتمال كونها عشوائية قد انخفض بشكل كبير.

فقط لأن سلسلتي بيانات تربطهما علاقة قوية ببعضهما البعض لا يعني السببية. على سبيل المثال ، يرتبط عدد الأفلام التي يلعب فيها الممثل نيكولاس كيج دور البطولة في عام معين ارتباطًا وثيقًا بعدد حالات الغرق العرضي في حمامات السباحة. لكن هذا الارتباط زائف لأنه لا يوجد ادعاء سببي نظري يمكن تقديمه.

هناك مشكلة أخرى قد تنشأ ذات دلالة إحصائية وهي أن البيانات السابقة والنتائج من تلك البيانات ، سواء كانت ذات دلالة إحصائية أم لا ، قد لا تعكس الظروف الحالية أو المستقبلية. في الاستثمار ، قد يتجلى هذا في نموذج تسعير ينهار خلال أوقات الأزمة المالية حيث تتغير الارتباطات ولا تتفاعل المتغيرات كالمعتاد. يمكن أن تساعد الأهمية الإحصائية أيضًا المستثمر على تمييز ما إذا كان نموذج تسعير أحد الأصول أفضل من الآخر.

أنواع اختبارات الدلالة الإحصائية

يتم استخدام عدة أنواع من اختبارات الأهمية اعتمادًا على البحث الذي يتم إجراؤه. على سبيل المثال ، يمكن استخدام الاختبارات لعينات بيانات واحدة أو اثنتين أو أكثر من أحجام مختلفة للمتوسطات أو الفروق أو النسب أو البيانات المزدوجة أو غير المزدوجة أو توزيعات البيانات المختلفة.

الفرضية الفارغة

كل هذه العوامل لها ما يسمى بالفرضيات الصفرية ، وغالبًا ما تكون الأهمية هي الهدف من اختبار الفرضيات في الإحصاء . الفرضية الصفرية الأكثر شيوعًا هي أن المعلمة المعنية تساوي الصفر (تشير عادةً إلى أن المتغير ليس له تأثير صفري على نتيجة الفائدة). إذا كان بإمكانك رفض فرضية العدم بثقة 95 بالمائة أو أفضل ، يمكن للباحثين استدعاء الدلالة الإحصائية. يمكن أيضًا اختبار الفرضيات الفارغة من أجل المساواة (بدلاً من أن تساوي الصفر) من تأثير اثنين أو أكثر من العلاجات البديلة - على سبيل المثال ، بين دواء وهمي في تجربة سريرية.

إن رفض الفرضية الصفرية ، حتى لو كانت درجة عالية جدًا من الأهمية الإحصائية لا يمكن أبدًا أن تثبت شيئًا ما ، يمكن أن تضيف دعمًا لفرضية موجودة. من ناحية أخرى ، غالبًا ما يكون الفشل في رفض فرضية العدم أساسًا لرفض فرضية.

يشترك اختبار الأهمية الإحصائية في الكثير من نفس الرياضيات مثل حساب فاصل الثقة. في المواقف الشائعة ، تتمثل إحدى طرق تفسير الدلالة الإحصائية في أن فاصل الثقة المقابل بنسبة 95 بالمائة لا يحتوي على القيمة صفر. حتى إذا تم العثور على متغير ليكون ذا دلالة إحصائية ، فلا يزال يجب أن يكون له معنى في العالم الحقيقي.

بالإضافة إلى ذلك ، يمكن أن يكون التأثير ذا دلالة إحصائية ولكن ليس له سوى تأثير ضئيل للغاية. على سبيل المثال ، قد يكون من غير المحتمل للغاية بسبب احتمال أن يكون لدى الشركات التي تستخدم ورق التواليت ذو الطبقتين في حماماتها موظفين أكثر إنتاجية ، ولكن من المرجح أن يكون التحسن في الإنتاجية المطلقة لكل عامل ضئيلًا.

فاهيم الإحصائية الرئيسية

2.1 المفاهيم الأساسية (1.2)

في المقدمة حاولنا إقناع أنفسنا بأن الإحصاء هو بالفعل موضوع مثير للدراسة. قبل أن نتعلم إجراء التحليل الإحصائي ، دعنا نحدد بعض مصطلحات الإحصاء الأساسية.

الإحصاء: هو فن وعلم جمع البيانات وتحليلها وتقديمها. يمكن فهم الإحصائيات ببساطة على أنها فن وعلم التعلم من البيانات. تزودنا الإحصائيات بالأدوات التي يمكن أن تساعدنا في اتخاذ قرارات مستنيرة. على سبيل المثال ، لدى بعض المدارس نماذج إحصائية تخبرها الطلاب المعرضين لخطر التسرب ، والإجراءات الوقائية الفعالة ( انظر المثال هنا ). في التصنيع ، تُستخدم الإحصائيات لمراقبة الجودة. في المحاسبة ، تُستخدم الإحصائيات للكشف عن عمليات الاحتيال ( مثال: قانون بينفورد ).

البيانات: ببساطة ، تشير البيانات إلى أي معلومات تم جمعها للتحليل.

بناءً على مدى تكرار جمع البيانات ، يمكننا التمييز بين أمور أخرى:

·        المقطع العرضي هي البيانات التي يتم جمعها في وقت معين. مثال: مسح يتم إجراؤه في بداية الفصل.

·        تم جمع بيانات السلاسل الزمنية أو البيانات الطولية على مدى عدة فترات. مثال: بيانات عن أسعار الأسهم ، بيانات عن البطالة.

لمعلوماتك ، في هذه الأيام ، هناك أشكال أخرى من البيانات:

·        بيانات النص: العبارات والجمل المستخدمة كبيانات. أمثلة: خطابات حالة الاتحاد ، مراجعات المنتج.

·        بيانات الصورة: تشمل الأمثلة الصور ومقاطع الفيديو.

يتم جمع البيانات حول الموضوعات أو الأشياء. الحالة أو العنصر أو الملاحظة هي كلمات غالبًا ما تستخدم للإشارة إلى الموضوع الذي تم جمع المعلومات بشأنه. بطريقة غير تقنية ، غالبًا ما نستخدم صف الكلمات للإشارة إلى الحالة أو العنصر أو الملاحظة.

يتم جمع المعلومات حول جوانب أو خصائص محددة للموضوع. A المتغير هو سمة من سمات العنصر. أمثلة: الجنس ، العمر ، الوزن ، التخصص ، الصف ، إلخ.

هناك نوعان رئيسيان من المتغيرات:

1.     يشير المتغير العددي (المعروف أيضًا باسم المتغير الكمي) إلى خاصية يمكن أن تكون:

o       محسوب ( متغير منفصل ). مثال: عدد الأشقاء.

o       أو تقاس ( متغير مستمر ). مثال: الطول والوزن والدخل السنوي.

قاعدة عامة: المتغير هو متغير كمي عندما يكون حساب متوسطه منطقيًا.

2.     يشير المتغير الفئوي (المعروف أيضًا باسم المتغيرات النوعية) إلى خاصية تصف شيئًا ما. تتضمن أمثلة المتغيرات الفئوية لون الشعر ، والجنس ، والمعتقد الديني ، والإيمان بالحياة بعد الموت (نعم أو لا) وما إلى ذلك. يمكن أن تكون البيانات الفئوية ترتيبية. مثال: تصنيف المنتج.

فيما يلي مخطط انسيابي موجز لأنواع المتغيرات المختلفة:

مخطط انسيابي لأنواع البيانات

التمييز بين المتغيرات الفئوية والكمية مهم لأنه يتم تحليلها بشكل مختلف.

2.2 مبادئ جمع البيانات (1.3)

بناءً على سؤال البحث الذي نريد الإجابة عليه ، سنجمع بيانات حول مواضيع معينة.

·        السكان هو مجموعة كل موضوع الاهتمام. مثال: جميع طلاب Econ-215 ، القسم 002 يشكلون مجموعة من الطلاب الذين يأخذون econ-215 ، القسم 002.

السؤال 1. افترض أن إحدى الدراسات مهتمة بفهم عادات الدراسة للطلاب الجامعيين في جامعة UNL. ما هو السكان الذين تهمهم هذه الدراسة؟

السؤال الثاني: افترض أن إحدى الدراسات مهتمة بفهم الأداء الأكاديمي للطلاب المتزوجين في الولايات المتحدة. ما هو السكان الذين تهمهم هذه الدراسة؟

ملاحظة: يشير كل سؤال بحثي إلى مجموعة سكانية مستهدفة.

في كثير من الأحيان ، ليس من العملي جمع معلومات عن كل الموضوع في مجموعة من السكان محل الاهتمام ؛ قد يكون مكلفًا للغاية ، أو غير أخلاقي ... وبالتالي ، غالبًا ما نعتمد على عينة من السكان.

·        تشير العينة إلى مجموعة فرعية من السكان. مثال: مجموعة مكونة من 10 أو 15 طالبًا تشكل عينة من طلاب econ-215 ، القسم 002.

ملاحظة: يجب أن تكون العينة الصالحة ممثلة للسكان الذين تم سحب العينة منهم. من الصعب للغاية الحصول على عينة تمثيلية من السكان. غالبًا ما نعتمد على أخذ العينات العشوائية . يسمح لنا أخذ العينات العشوائية بتجنب التحيزات المنهجية. تسمى العينة العشوائية الأساسية عينة عشوائية بسيطة .

2.3 ثلاث خطوات عامة للإحصاء (1.4 / 1.5)

يمكننا التمييز بين ثلاث خطوات عامة للإحصاء:

1.     التصميم: يشير إلى التخطيط لكيفية الحصول على البيانات. على سبيل المثال ، في استطلاع تسويقي ، كيف تختار الأشخاص للاستطلاع حتى تحصل على بيانات توفر تنبؤات جيدة حول المبيعات المستقبلية؟ في العلوم الاجتماعية ، مثل العلوم السياسية وعلم الاجتماع والاقتصاد ، نعتمد غالبًا على "بيانات المراقبة" ، أي البيانات التي يتم جمعها عن طريق مراقبة ما يحدث. لا يتحكم الباحث في أي شيء. إنها تقوم فقط بجمع البيانات حول ما يحدث. على العكس من ذلك ، في بعض الأحيان ، يمكن للباحث إجراء التجارب. بمعنى أنه يمكن للباحث إدارة علاج في بعض المجموعات (يتم اختياره عشوائيًا) ، ولا يقدم أي شيء في مجموعات أخرى (يتم اختياره أيضًا بشكل عشوائي). ثم اجمع البيانات حول ما يحدث في كلا المجموعتين أثناء و / أو في نهاية التجربة. الهدف النهائي هو مقارنة المجموعتين لمعرفة ما إذا كانت هناك بعض الاختلافات. من المهم التمييز بين البيانات التي تم الحصول عليها من خلال التجارب وبيانات المراقبة. البيانات التي يتم الحصول عليها من خلال تجربة تصميم البئر هي المعيار الذهبي.

2.     الوصف (أو الإحصاء الوصفي): يشير إلى استكشاف وتلخيص الأنماط في البيانات.

3.     الاستدلال (أو إحصائيات الاستدلال): يشير إلى اتخاذ القرارات أو التنبؤات بناءً على البيانات. عادةً ما يشير القرار أو التوقع إلى مجموعة أكبر من الأشخاص ، وليس فقط الأشخاص في الدراسة. بمعنى آخر ، نستنتج عن عامة السكان من البيانات المرصودة (أو بيانات العينة).     

لطلب تحليل احصائي التواصل عبر الواتس اب اضغط هنا