통계적 결론의 유효성
연구의 통계적 추론은 추론 통계와 관련이 있습니다.. 추리 없는 기술통계에는 검증절차가 없기 때문에 논증에 근거하여 결론을 도출할 필요도 없고, 그 결론의 타당성을 논할 필요도 없다.. 통계 검증 방법에는 여러 가지가 있지만 몇 가지 필수 요소가 있습니다.. 첫째, 통계적 검증은 표본에서 수집한 자료를 이용하여 집단 전체의 내용을 추정하는 것이다.. 이것이 우리가 추론 통계에 대해 말하는 이유입니다.. 주어진 상관계수가 유의하다는 결론은 모집단에서 얻은 데이터이지만 전체 모집단에 대해 결론이 유효하다는 것을 의미합니다.. 즉, 결론은 그룹 전체에 상관관계가 있다는 것입니다.. 두 번째는 귀무가설을 설정하는 것입니다.. 귀무 가설은 테스트 중인 통계가 의미가 없다는 가설입니다.. 통계가 무의미하다는 귀무가설을 만든 후에는 이를 기각합니다.(또는 부인할 수 없는) 확인 절차를 거쳐. 귀무 가설을 부정하는 이 기술은 통계 테스트에서 매우 이례적입니다.. 시종. 부부간 소통의 기술(변하기 쉬운 ‘ㅏ’)그들의 결혼 만족입니다(변하기 쉬운 ‘비’)가설을 테스트하기 위해 연구를 수행한다고 가정합니다.. 연구원의 원래 가설은 ‘ㅏ’그리고 ‘비’ 연결이 있었다고. 그러나 통계처리 과정에서 ‘ㅏ’그리고 ‘비’ 없다는 귀무가설을 설정한 후, 귀무가설이 기각되는지 확인하기 위해. 귀무가설이 기각되면 연구자는 원래의 연구가설을 받아들이고자 합니다., 이는 귀무가설이 기각되지 않을 때 원래의 연구가설을 기각하는 전략이다.. 다시 말해서, 통계적 검증 절차를 따르면 연구자는 귀무가설을 기각하거나, 귀무가설을 기각하지 않거나, 둘 중 하나의 결론을 수락합니다.. 그것이 통계적 결론이다.. 그러나이 통계적 결론은 항상 오류가 있습니다.. 오류에는 두 가지 주요 유형이 있으며 오류를 유발하거나 오류 가능성의 크기를 결정하는 많은 요소가 있습니다.. 첫 번째하나전체 인구의 종 결함 ‘ㅏ’그리고 ‘비’ 난 상관 없어, 연구 표본 모집의 데이터에서 상관 관계가 추론되는 경우입니다.. 다시 말해서, 원래는 귀무가설이 옳았지만, 표본에서 수집된 통계 데이터는 귀무가설이 틀렸음을 증명했습니다.. 두번째2종의 오류는 그 반대다. ‘ㅏ’그리고 ‘비’ 그것과 관련이 있습니다, 스터디 샘플 모집 데이터에 상관관계가 없다고 결론지은 경우이다.. 다시 말해서, 귀무가설을 기각해야 하는 것은 사실이지만, 표본 모집에서 통계가 늘어난 것은 귀무가설이 기각되지 않는다는 것을 의미한다.. 이것은 모든 통계적 결론이 잘못되었음을 의미합니다., 즉, 틀릴 수 있습니다.. 연구를 아무리 잘 설계했더라도 데이터가 샘플 모집에서 나온 것이기 때문에 전체 그룹에 대한 결론에 오류가 발생할 가능성이 항상 있습니다.. 따라서 연구자는 결론을 내린다. 100% 확실한 결론을 내리지 못함. 그러나 연구원들은 가능한 한 높은 수준의 확신을 가지고 결론을 내리기를 원합니다.. 통계적 결론의 타당성은 통계적 테스트를 기반으로 한 연구자의 결론의 확실성 정도를 말합니다..
통계적 결론의 타당성을 위협하는 몇 가지 요인
낮은 통계적 유의성
통계적 검정력은 대립가설이 맞을 때 귀무가설을 기각하는 능력입니다., 즉, 확률. 그래서 전체 그룹에서 ‘ㅏ’그리고 ‘비’ 사이에 연관성이 있는 것이 사실이라면, 즉, 연구자의 원래 가설을 받아들일 확률이다.. 그것이 연구자들이 원하는 것이기 때문에 ‘검증가능성‘전화하는 것입니다. 통계적 검정력이 낮다는 것은 대립가설이 참인데도 귀무가설을 기각할 수 없다는 뜻이다.. 흥미롭게도 이미 언급했듯이 2더 높은 종 오류는 더 낮은 통계적 유의성을 의미합니다.. 통계적 검정력이 낮을수록 연구자가 가설을 테스트하지 않고 가설이 참인 경우에도 잘못된 결론을 도출하여 통계적 결론의 타당성을 손상시킬 가능성이 높습니다.. 통계적 검정력을 높이려면 사례 수를 늘려 표본 모집 규모를 늘리거나, 실험 절차 또는 측정의 신뢰성을 높여 오차 분산 감소, 가설의 방향이 명확할 때 양방향 검정 대신 단방향 검정을 사용하는 등의 방법이 있습니다..
통계적 가정 위반
통계적 가정은 통계 분석 방법의 타당성을 위한 전제 조건입니다.. 특히 우리가 자주 사용하는 파라메트릭 통계는 몇 가지 조건을 필요로 하는데 그 중 대표적인 것으로 세 가지를 꼽을 수 있다.. 표본 분포의 정규 분포, 과목 선택 과정은 무작위이며 독립적입니다., 그룹 간 분산의 동질성. 물론 이러한 가정을 약간 위반하는 것은 모수통계를 적용할 때 큰 문제는 아니지만 지나친 위반은 하나얻어진 통계 결과로부터 결론을 도출하는 것은 종 오차를 증가시키기 때문에 부정확한 결론으로 이어질 가능성이 있다.. 그러나 얼마나 많은 오류가 가정 위반으로 이어질 가능성이 있는지에 대한 보편적인 규칙은 없습니다.. 따라서 연구자는 획득한 연구 데이터가 통계적 방법의 가정을 어느 정도 위반하는지 결정해야 합니다., 즉, 통계학적 방법을 사용하는 것이 안전한지 또는 다른 통계적 방법을 사용해야 하는지에 대해 통계학자에게 조언을 구하는 것이 안전합니다..
메쉬 질식 확인
데이터셋으로 반복적인 통계적 검증을 통해 의미 있는 결과만을 추출하는 전략을 이른바 순초킹 검증(net choking validation)이라고 한다., 영어로 어업라고. 즉, 사전 조사된 가설 없이 얻은 데이터에서 가능한 모든 데이터를 분석하고 검증하고 의미 있는 결과에 대해 의미 있는 해석을 하는 것입니다.. 그러나 문제는 데이터 조각에 대해 여러 번 확인할수록 실수할 가능성이 높아진다는 것입니다.. 의미 있는 결과가 무작위로 발생하여 잘못된 결론이 도출될 가능성이 높아집니다.. 이러한 이유로 표류물 테스트는 통계 진술의 타당성을 위태롭게 합니다.. 따라서 연구자는 데이터 집합에 대해 통계 테스트를 한 번 수행할 수 있습니다., 또는 이미 확립된 가설에 대해서만 검증을 수행하는 것이 바람직합니다..