Entiendo que el $p$-valor es la probabilidad condicional de la observación de la estadística de prueba o algo más extremo, dado que la hipótesis nula es verdadera. He leído la gran explicación de por @user28 en este post: ¿Cuál es el significado de los valores de p y t los valores en las pruebas estadísticas? Sin embargo, hacer un gran $p$-valores de decir nada? Hace un mayor $p$-valor de brindar mayor apoyo a la hipótesis nula? Si puedo configurar el rechazo de la región a ser $<0.05$, luego hace una diferencia si me $p$valor $0.06$ o $0.99$? (Después de todo, $0.05$ es arbitrario, y $0.06$ está tan cerca de ser rechazado que si me arbitrariamente $0.05$ $0.1$ en lugar de ello, la hipótesis nula hubiera sido rechazado.) Puede uno hacer cualquier uso estadístico de un no-rechazando $p$-valor?
Respuestas
¿Demasiados anuncios?
Si "creer" en los valores de p y la frecuentista de la filosofía, a continuación, usted vivir y morir por la espada. En virtud de Fisher frecuentista paradigma de un p-valor de 0,06 (si el alfa es de 0.05) "así como" no significativas como un p-valor de 0.9999999. No hay tal cosa como "casi importante" o "muy importante"...que no es consistente con el Pescador a la filosofía o las matemáticas. Tienes razón en que el elegido nivel alfa es completamente arbitraria, y estoy de acuerdo en que es muy tentador interpretar un pequeño p-valores (por ejemplo, 0,0001) como una fuerte evidencia de que un p-valor de 0.049. Si esta dicotomía de significativa o no significativa frustra usted, a continuación, considere la posibilidad de mover a un enfoque Bayesiano, donde usted puede hacer exacto, declaraciones acerca de sus resultados (por ejemplo, "Hay un 32.8% de probabilidad de que la beta es mayor que cero.")
Cómo se debe utilizar el valor de p depende de cómo se haya diseñado el estudio con respecto a los análisis que se va a ejecutar. Puedo hablar de dos teorías diferentes acerca de los valores de p en mi respuesta aquí: Cuando el uso de Fisher y Neyman-Pearson marco? Usted puede encontrar que es útil para leer. Si usted tiene, por ejemplo, ejecutar un análisis del poder y la intención de utilizar el p-valor para tomar una decisión final, usted no debe usar cerca de la línea ('marginalmente significativa") como un significativo categoría. Está bien usar una diferente alfa de $0.05$ (como $0.10$), pero una vez que decidió en él y lo puso a su estudio, en consecuencia, usted debe pegarse con él.
Además, usted no puede utilizar una gran p-valor como evidencia para la hipótesis nula. He hablado de que la idea en mi respuesta a esta pregunta: ¿por Qué los estadísticos dicen que no significativos resultado significa que "usted no puede rechazar el nulo", como contrapartida a la aceptación de la hipótesis nula? La lectura de la respuesta puede ser útil para usted también.
Es cierto que el rango de aceptación para el valor p de una prueba de hipótesis es bastante arbitrario, pero, sin embargo, un valor p más bajo significa que el resultado de la prueba puede aceptarse con más certeza, porque el valor p esencialmente define el intervalo de confianza para la estimación, por lo que un intervalo de confianza más estrecho debe considerarse más significativo para la prueba.
En mi opinión, todo se reduce a los supuestos, es decir, cómo los modelos se adapta a ellos. Si no está de acuerdo con todos ellos, tratar el p-valor como una probabilidad. A continuación, puede comparar el p-valor de 0,06 con 0.99 por concluir cual de los dos es más probable. También, mucho depende de las circunstancias: en algunos casos, marginal importancia no debe ser ignorada, ya que como se dijo, el rechazo, la región se puede establecer arbitraria. Pero si los modelos satisface los supuestos, entonces usted no debe tratar de rechazar su hipótesis hasta cierto nivel arbitrario, sino más bien investigar, ¿cómo de probable es que el resultado que obtuviste.
