التحليل الإحصائي

اختبار الفرضيات الإحصائية هو إجراء رسمي للتحقيق في أفكارنا حول العالم باستخدام الإحصائيات. فغالباً ما يستخدمه الباحثين لاختبار تنبؤات محددة، تسمى الفرضيات، تنشأ من النظريات.

فهناك 4 خطوات رئيسية في اختبار الفرضيات: أولاً اختيار عينة الدراسة الممثلة لمجتمع الدراسة. ثانياً جمع بيانات الدراسة بشكل مباشر من عينة الدراسة وبطريقة مصممة لاختبار الفرضية. بينما ثالثاً قم بإجراء وتطبيق الاختبارات الإحصائية المناسبة بحسب طبيعة الدراسة وفرضياتها.

وأخيراً قرر ما إذا كنت سترفض أو تفبل فرضيتك بالاعتماد على نتائج الدراسة. وعلى الرغم من أن التفاصيل المحددة قد تختلف، إلا أن الإجراء الذي ستستخدمه عند اختبار فرضية ما سيتبع دائماً نسخة من هذه الخطوات.

من أهم مراحل قبول ورفض الفرضيات الإحصائية:

ليتم قبول فرضيات الدراسة أو رفضها يتبع الباحث عدد من الخطوات وهي ما يلي:

الخطوة الأولى: اختيار عينة الدراسة

من المهم أن نفهم سبب قيامنا بأخذ عينة من السكان؛ على سبيل المثال، تُبنى الدراسات لاستقصاء العلاقات بين عوامل الخطر والمرض. بمعنى آخر، نريد معرفة ما إذا كان هذا ارتباطاً حقيقياً، مع الاستمرار في استهداف الحد الأدنى من مخاطر الأخطاء مثل: الصدفة أو التحيز أو الالتباس. ومع ذلك، لن يكون من المجدي إجراء التجارب على جميع السكان. فسنحتاج إلى أخذ عينة جيدة ونهدف إلى تقليل مخاطر حدوث أخطاء من خلال تقنية أخذ العينات المناسبة.

الخطوة الثانية: جمع البيانات

لكي يكون الاختبار الإحصائي صحيحاً، من المهم إجراء أخذ العينات وجمع البيانات بطريقة مصممة لاختبار فرضيتك. فإذا لم تكن بياناتك تمثيلية، فلا يمكنك إجراء استنتاجات إحصائية حول السكان الذين تهتم بهم. مثال على اختبار الفرضية/ لاختبار الفروق في متوسط الطول بين الرجال والنساء. فيجب أن تحتوي عينتك على نسبة متساوية من الرجال والنساء. وأن تغطي مجموعة متنوعة من الطبقات الاجتماعية والاقتصادية وأي متغيرات تحكم أخرى قد تؤثر على متوسط الطول. فيجب عليك أيضاً التفكير في نطاقك (على مستوى العالم؟ بالنسبة لبلد واحد؟) فقد يكون مصدر البيانات المحتمل في هذه الحالة هو بيانات التعداد. نظراً لأنه يتضمن بيانات من مجموعة متنوعة من المناطق والطبقات الاجتماعية ومتاح للعديد من البلدان حول العالم.

الخطوة الثالثة: قم بإجراء اختبار إحصائي

تتوفر مجموعة متنوعة من الاختبارات الإحصائية، ولكنها تستند جميعها إلى مقارنة التباين داخل المجموعة. فمدى انتشار البيانات ضمن فئة ما، أي مقابل التباين بين المجموعات، ومدى اختلاف الفئات عن بعضها البعض. فإذا كان التباين بين المجموعات كبيراً بدرجة كافية بحيث يكون هناك تداخل ضئيل أو معدوم بين المجموعات. فسيعكس اختبارك الإحصائي ذلك من خلال إظهار قيمة p منخفضة. فهذا يعني أنه من غير المحتمل أن تكون الاختلافات بين هذه المجموعات قد نشأت عن طريق الصدفة.

بدلاً من ذلك، إذا كان هناك تباين كبير داخل المجموعة وتباين منخفض بين المجموعة. فسيعكس اختبارك الإحصائي ذلك مع قيمة P عالية. وهذا يعني أنه من المحتمل أن أي فرق تقيسه بين المجموعات يرجع إلى الصدفة. حيث سيعتمد اختيارك للاختبار الإحصائي على نوع المتغيرات ومستوى قياس البيانات التي تم جمعها.

مثال على اختبار الفرضية بناءً على نوع البيانات التي جمعتها، تقوم بإجراء اختبار t أحادي الطرف. لاختبار ما إذا كان الرجال في الواقع أطول من النساء، فيمنحك هذا الاختبار ما يلي. تقدير الاختلاف في متوسط ​​الارتفاع بين المجموعتين. وكذلك قيمة  pتوضح مدى احتمالية رؤية هذا الاختلاف إذا كانت الفرضية الصفرية الخاصة بعدم وجود فرق صحيحة. ويُظهر اختبار t متوسط ​​ارتفاع يبلغ 175.4 سم للرجال ومتوسط ​​ارتفاع يبلغ 161.7 سم للنساء. ومع تقدير للفرق الحقيقي يتراوح من 10.2 سم إلى ما لا نهاية، وقيمة p هي 0.002.

الخطوة الرابعة: قرر ما إذا كنت سترفض فرضيتك الصفرية أو تفشل في رفضها:

بناءً على نتيجة اختبارك الإحصائي، سيتعين عليك تحديد ما إذا كنت سترفض فرضيتك الصفرية أو تفشل في رفضها. في معظم الحالات، ستستخدم  p -value الناتجة عن اختبارك الإحصائي لتوجيه قرارك، وفي معظم الحالات. سيكون مستوى الأهمية المحدد مسبقاً لرفض الفرضية الصفرية 0.05، أي عندما يكون هناك احتمال أقل من 5٪ أن ترى هذه النتائج إذا كانت الفرضية الصفرية صحيحة.

في بعض الحالات، يختار الباحثون مستوى أكثر تحفظاً للأهمية، مثل 0.01، (1%). وهذا يقلل من مخاطر رفض الفرضية الصفرية بشكل غير صحيح( خطأ من النوع الأول ). مثال على اختبار الفرضية، في تحليلك للاختلاف في متوسط ​​الطول بين الرجال والنساء. تجد أن قيمة p 0.002  أقل من الحد الأقصى البالغ 0.05، لذلك قررت رفض فرضيتك الصفرية بعدم وجود فرق.

خاتمة:

قد تلاحظ أننا لا نقول إننا نرفض أو نفشل في رفض الفرضية البديلة. وهذا لأن اختبار الفرضيات غير مصمم لإثبات أو دحض أي شيء. حيث إنه مصمم فقط لاختبار ما إذا كان النمط الذي نقيسه قد نشأ بشكل زائف، أو عن طريق الصدفة. وإذا رفضنا فرضية العدم بناءً على بحثنا. على سبيل المثال، وجدنا أنه من غير المحتمل أن يكون النمط قد نشأ عن طريق الصدفة، فيمكننا القول إن اختبارنا يدعم فرضيتنا.

يمكنك طلب خدمات خاصة بالفرضيات الإحصائية من فريق البيان من هنا .