Պատճառներ. 1) Փոքր նմուշի չափ՝ կապված ձեր տվյալների փոփոխականության հետ: 2) Կախված և անկախ փոփոխականների միջև կապ չկա: Եթե ձեր փորձը լավ մշակված է լավ կրկնօրինակմամբ, ապա դա կարող է օգտակար արդյունք լինել (հրապարակելի):
Ի՞նչ է նշանակում աննշան ռեգրեսիայում:
Ինչպե՞ս կարող եմ մեկնաբանել P-արժեքները գծային ռեգրեսիոն վերլուծության մեջ: Յուրաքանչյուր տերմինի համար p-արժեքը ստուգում է զրոյական վարկածը, որ գործակիցը հավասար է զրոյի (ազդեցություն չկա): … Ընդհակառակը, ավելի մեծ (աննշան) p-արժեքը հուշում է, որ կանխատեսիչի փոփոխությունները կապված չեն պատասխանի փոփոխությունների հետ:
Ի՞նչ է նշանակում, եթե արդյունքը նշանակալի չէ:
Սա նշանակում է, որ արդյունքները համարվում են «վիճակագրորեն ոչ էական», եթե վերլուծությունը ցույց է տալիս, որ դիտարկված տարբերությունից մեծ (կամ ավելի մեծ) տարբերությունները ակնկալվում է, որ պատահականորեն ավելի շատ լինեն: քան մեկ քսան անգամ (p > 0.05).
Իսկ եթե իմ ռեգրեսիայի մոդելը նշանակալի չէ:
Սակայն, քանի որ արդյունքները նշանակալի չեն, դուք չեք կարող հաստատել ձեր վարկածը, այս փոփոխականների միջև կապը նշանակալի չէ բնակչության մակարդակներում: Դա կարող է լինել համարընտրանքի չափի կամ այլ բան, բայց երկու դեպքում էլ ձեր վարկածը հաստատված չէ:
Ի՞նչ եք անում, եթե արդյունքները վիճակագրորեն նշանակալի չեն:
Երբ ուսումնասիրության արդյունքներըվիճակագրորեն նշանակալի չեն, հետհոկ վիճակագրական հզորությունը և ընտրանքի չափի վերլուծությունը երբեմն կարող է ցույց տալ, որ հետազոտությունը բավականաչափ զգայուն է եղել կարևոր կլինիկական ազդեցություն հայտնաբերելու համար: Այնուամենայնիվ, լավագույն մեթոդը հզորության և նմուշի չափի հաշվարկների օգտագործումն է ուսումնասիրության պլանավորման ժամանակ:
