به طور کلی،p value می‌گوید که آیا تفاوت بین گروه‌ها، رابطه و غیره ناشی از شانس است و یا متغیرهایی که شما مطالعه می‌کنید. طبق اکثر دستورالعمل‌های آماری، از جمله دستورالعمل‌های ارائه شده توسط Nature، شما باید یکp value برای هر تغییر، تفاوت یا رابطه‌ای به نام ” significant ” ارائه دهید. علاوه بر این، از آنجایی که آستانه معنی‌داری (یعنی p value که شما برای تعیین اهمیت استفاده می‌کنید) می‌تواند 05.، 001. یا 01. باشد، توصیه می‌شود آستانه معناداری مورد استفاده در تحقیق خود را در بخش روش‌های مقاله خود بیان کنید. جمله ای مانند “آستانه اهمیت در 05. تعیین شد” تمام چیزی است که لازم است.
با این حال، p value نمی تواند قدرت یا اندازه یک اثر، تغییر یا رابطه را به خوانندگان بگوید. بنابراین، شما باید از گزارش مقادیر دیگری به جز مقادیرp value اجتناب کنید. ارائه یک آماره آزمون (t، F، U و غیره)، همبستگی یا ضریب رگرسیون (R پیرسون، rho اسپیرمن، و غیره) یا اندازه گیری اندازه اثر (eta-squared ، partial-eta-squared ، omega-squared و غیره).
بیایید این جمله را مثال بزنیم «ما رابطه معناداری بین اضطراب و رضایت شغلی پیدا کردیم (p <.05 ). در اینجا، تنها چیزی که به خوانندگان می گویید این است که شواهد کافی دارید و این رابطه ناشی از شانس نیست. خوانندگان نمی دانند که آیا این رابطه مستقیم است یا معکوس (یعنی شرکت کنندگان با اضطراب بالاتر رضایت شغلی بیشتری داشتند یا شرکت کنندگان با اضطراب کمتر رضایت شغلی بیشتری داشتند). علاوه بر این، آیا این رابطه قوی بود یا ضعیف؟ بنابراین شما باید یک ضریب همبستگی را همراه با p value گزارش دهید. اگر
“r =-.78” را در انتهای جمله بالا در پرانتز اضافه کنید، خوانندگان شما خواهند فهمید که این یک رابطه معکوس قوی است. بنابراین، آنها ایده بهتری از یافته های واقعی شما پیدا می‌کنند.
در اینجا مثال دیگری وجود دارد: “ما تفاوت قابل توجهی بین نمرات پیش آزمون و پس آزمون پیدا کردیم.”
توصیه می‌کنیم:
(الف) آماره آزمون را گزارش کنید تا خواننده بداند که چه آزمون آماری را برای بررسی این تفاوت انجام داده‌اید.
(ب) اندازه‌گیری اندازه اثر، تا خواننده بفهمد این تفاوت چقدر بزرگ است. حتی میانگین نمرات پیش‌آزمون و پس‌آزمون می‌تواند برای خوانندگان کافی باشد تا اندازه اثری که پیدا کرده‌اید را درک کنند.
علاوه بر این، ارائه مقادیر دقیق p value ایده خوبی است، زیرا این عمل باعث یکپارچگی علمی بیشتر می شود. در جمله بالا، مقدار p value می تواند “048.” باشد. این مقدار از نظر فنی کمتر از “05.” است اما آنقدر نزدیک به.05 است که احتمالاً باید مانندp value با اندازه 051. در نظر گرفته شود که از نظر آماری معنی دار نیست. به طور معمول، اگر مقدار دقیق p value کمتر از 001. باشد، فقط می توانید “p <.001 ” را بیان کنید. در غیر این صورت، مقادیر دقیقp value را به خصوص برای نتایج اولیه گزارش کنید.
علاوه بر این، در اینجا چند خطای اساسی در رابطه با p value وجود دارد:
-
“p =.00” یا “p <.00”
از نظر فنی، p value نمی تواند برابر با 0 باشد. برخی از برنامه های آماری در خروجی خود مقادیر p برابر با 0.000 را به شما می دهند، اما این به احتمال زیاد به دلیل گرد کردن یا کوتاه کردن خودکار به تعداد از پیش تعیین شده ارقام بعد از ممیز اعشار است. بنابراین، جایگزینی “p =.000″ را با ” p <.001″ در نظر بگیرید، چرا که مورد دوم قابل قبول تر است. p value همیشه بین 0 و 1 قرار دارد و هرگز نمی تواند منفی باشد.
-
“p < 03”
بسیاری از مجلات مقادیری از p value را می پذیرند که به صورت رابطه ای با مقدار آلفا (آستانه معنی دار آماری)، یعنی P <.05, P <.01 و یا P<.001 بیان می شوند. آنها همچنین می توانند در مقادیر مطلق بیان شوند، برای مثال “p =.03” یا “p =.008” با این حال، p value ، زمانی که چیزی که بعد از علامت است مقدار آلفا نباشد، معمولاً با علامت بزرگتر از (>) یا کوچکتر از (<) گزارش نمی شود.
کلام آخر
بسیاری از مراجع در زمینه‌های علمی، فنی و پزشکی توصیه می‌کنند که وقتی عدد نمی‌تواند بزرگتر از 1 باشد، صفر نباید قبل از کسر اعشاری درج شود (به عنوان مثال، همبستگی‌ها، نسبت‌ها و سطوح اهمیت آماری). یعنی “P < 0.05 ” باید به صورت “p<.05 ” نوشته شود.
