Syyt: 1) Pieni otoskoko suhteessa tietojesi vaihteluun. 2) Ei suhdetta riippuvien ja riippumattomien muuttujien välillä. Jos kokeilusi on hyvin suunniteltu ja hyvä replikaatio, tämä voi olla hyödyllinen tulos (julkaistavissa).
Mitä merkityksetön tarkoittaa regressiossa?
Kuinka tulkitsen P-arvot lineaarisessa regressioanalyysissä? Kunkin termin p-arvo testaa nollahypoteesin, jonka mukaan kerroin on nolla (ei vaikutusta). … Päinvastoin, suurempi (merkittämätön) p-arvo viittaa siihen, että ennustajan muutokset eivät liity vastauksen muutoksiin.
Mitä se tarkoittaa, jos tulos ei ole merkittävä?
Tämä tarkoittaa, että tuloksia pidetään "tilastollisesti ei-merkittävinä", jos analyysi osoittaa, että niin suuria (tai suurempia) eroja kuin havaittu ero olisi odotettavissa sattum alta enemmän kuin yksi kahdestakymmenestä kertaa (p > 0,05).
Entä jos regressiomallini ei ole merkitsevä?
Koska tulokset eivät kuitenkaan ole merkittäviä, et voi vahvistaa hypoteesiasi, näiden muuttujien välinen suhde ei kuitenkaan ole merkittävä väestötasolla. Se voi olla otoskokoon liittyvä ongelma tai jotain muuta, mutta kummassakaan tapauksessa hypoteesisi ei vahvistu.
Mitä teet, jos tulokset eivät ole tilastollisesti merkittäviä?
Kun tutkimuksen tulokseteivät ole tilastollisesti merkittäviä, a post hoc tilastollinen teho- ja otoskokoanalyysi voi joskus osoittaa, että tutkimus oli riittävän herkkä havaitsemaan tärkeä kliininen vaikutus. Paras tapa on kuitenkin käyttää teho- ja otoskokolaskelmia tutkimuksen suunnittelussa.
