Fisher-féle módszer kombinálása Független p-értékek

A p-érték jelöli az I. típusú hibaarány egy statisztikai elemzést. I-es típusú hiba azt elutasította a null hipotézis , ha van, sőt, a helyes . A nullhipotézis ( szinte mindig ) az a kijelentés , hogy a két csoport nem különbözik , és hogy nincs kapcsolat között bizonyos változók vagy másik állítás , hogy mit várunk találni nem , sőt , létezik. Tehát egy 1-es típusú hiba azt mondja, hogy valami történik , amikor valójában semmi sem . Mindez azon az elképzelésen alapul , hogy már csak egy mintát egy populációban. Miért Combine P- értékek ?

Egyes esetekben több tanulmány körülbelül ugyanazt a jelenséget . Például , sok tanulmány közötti kapcsolat vizsgálatában a dohányzás és a rák aránya . Mindegyik fog biztosítani a p-érték . Szerint több különböző tanulmányok , akkor kap pontosabb becslést , hogy mi folyik .
Az az elképzelés, Fisher -módszer : Matton

Egy gyűjtemény p - értékek független tanulmányok , Fisher módszer lényege, hogy az első , hogy a természetes alapú logaritmusa minden p - érték , megszorozva minden eredményt -2 majd hozzá őket . Az így kapott összeg oszlik meg a chi - négyzet statisztika 2 liter szabadsági fokkal , ahol L az a szám, p - értékeket. A p - értéke ezt az összeget is ütött a statisztikai táblázatok , statisztikai szoftverek, például a SAS , R vagy SPSS , Excel vagy valamilyen tudományos számológép .
Veszélyei kombinálása P értékek: tévesen értelmezte a Result : Matton

Egy veszélye ötvözi p - értékek félreértelmezte az eredményt. Ez része annak, amit Stephen Ziliak és Deirdre McCloskey hívja a " Cult statisztikai jelentősége. " Azáltal, hogy több mintát , egyre kisebb hatás méretű lesz szignifikáns . De a statisztikai szignifikancia nem jelenti a gyakorlati jelentősége. Tegyük fel például, azt találtuk, hogy egy adott étrend vezetett fogyás 1 oz. havonta . Ha elég mintákat egyesítettük , ez lenne a statisztikailag szignifikáns , de kevés ember érdekel a diéta vezetett egy ilyen kis hatás .
Alternatívái kombinálása P- értékek

Ahelyett, hogy össze p - érték , ez egy jó ötlet , hogy összekapcsolják hatás méretben. A hatás lehet egy méret különbség a két csoport , vagy egy regressziós koefficiens , vagy odds - arány, vagy bármely számos egyéb intézkedéseket , attól függően, hogy milyen statisztikai használtak. Ez a fajta elemzés az úgynevezett meta - analízis , amely a tanulmány önmagában.