نقدم شرح مستوى الدلالة الإحصائية sig، والفرق بين sig وقيمة p-value، وأيهما أفضل مستوى الدلالة ٠.٠٥أم ٠.٠١، وكيفية قراءة قيمة sig في الجداول الإحصائية واتخاذ القرار سواء بالقبول أو بالرفض.
شرح مستوى الدلالة الإحصائية sig، والفرق بين sig وقيمة p-value.
حيث يُعد مستوى الدلالة الإحصائية (significance level)، يرمز لها (α)، وهي قيمة تُحدد مُسبقًا قبل التحليل وغالبًا تكون 0.05 أو 0.01، أي أنا هقبل نسبة خطأ 5 % أو 1%، أي هو قرار مُسبق يُعبر عن نسبة الخطأ المقبول في الدراسة، هي وعادة تُقاس بمستوى الإحتمال المعروف p-value، أي قيمة p، ولذلك مستوى الدلالة تُعبرعن احتمالية أن تكون النتائج التي تم الحصول عليها قد حدثت بالصدفة، وذلك إذا كانت قيمة p أقل من مستوى معين سواء( ٠.٠١ أو ٠.٠٥)، نقول إن الفرق ذات دلالة إحصائية، أي أن قيمة p-value هي القيمة التي نحصل عليها من التحليل الإحصائي سواء من spss أو غيره من البرامج الإحصائية المستخدمة في التحليل الإحصائي.
في مجال التحليل الإحصائي وعند إجراء تجربة معينة أو دراسة بحثية، غالبًا ما يرغب الباحثون في تحديد إذا كان هناك فروقات ذات تأثير معنوي بين مجموعتين أكثر في مجموعة من البيانات، ولذلك تكمن أهمية استخدام مستوى الدلالة الإحصائية sig وقيمة p، وأهمية هل توجد فروق ذات دلالة إحصائية بين المجموعات أم لا.
لذلك يُعد مستوى الدلالة الإحصائية sig مقياس يُستخدم لتحديد ما إذا كانت بيانات الدراسة الإحصائية ناتجة عن الصدفة أم لا، فعندما نقول هناك فروقًا ذات دلالة إحصائية، هذا يُعني إحصائيًا أن هناك احتمالًا ضئيلًا أن يكون الفرق الناتج إحصائيًا بين المجموعات ناتج عن الصدفة، ومن ثم يمكننا اعتبار هذا الفرق حقيقيًا.
أهمية استخدام مستوى الدلالة الإحصائية sig في الأبحاث العلمية.
تجنب الأخطاء.
حيث تُساعد مستوى الدلالة الإحصائية sig، على تجنب استنتاج معلومات خاطئة من البيانات، حيث من الممكن ملاحظة فرقًا بين مجموعتين، ولكن هذا الفرق إحصائيًا قد لا يكعس فرقًا حقيقيًا في المجتمع ككل.
تقييم فعالية التدخلات.
ففي الدراسات التربوية أو الطبية تُستخدم الدلالة الإحصائية في تقييم فعالية تدخلات بحثية، فمثلًا عند استخدام دواء جديد في علاج مرض ما، وأراد الباحث مقارنة بين مجموعتين مجموعة لم تتناول الدواء ومجموعة أخرى تمت تناول الدواء ، ويتم استخدام الدلالة الإحصائية لتحديد فعالية الدواء، عن طريق تحديد ما إذا كان هناك فرق حقيقي بين المجموعتين.
اتخاذ قرارات صحيحة.
حيث من خلال القيمة الاحتمالية للدلالة الإحصائية p-value ومقارنتها بمستوى الدلالة الإحصائي المحدد مُسبقًا، ومعرفة إذا كانت الدلالة sig أم غير sig، تعتمد صحة اتخاذ القرار المناسب، مثل الموافقة على دواء جديد أو تطبيق نظام معين أو اتخاذ رأي أو قرار معين، لذلك لابد من الباحث فهم معنى قيمة الدلالة الإحصائية التي تم الحصول عليها من التحليلات.
أيهما أفضل مستوى الدلالة 0.05 أم 0.01؟ وما هو المعيار الذي يُحدد الاختيار بينهم؟
حيث نجد من أكثر مستويات الدلالة الإحصائية شائعة الاستخدام هي إما أن تكون قيمة (α=0.05) أو (0.01=α)، وهذا هو المعيار الذي بناء عليه الباحث سيقوم باتخاذ القرار، لذلك يتوجب على الباحث أن يتبنى أحد المستويين، و لمعرفة متى يمكنني اختيار مستوى الدلالة الإحصائية المُناسب للبحث العلمي كما يلي:
أولًا مستوى الدلالة الإحصائية α=0.05
يُعني مستوى الدلالة (0.05) بأنه إذا تم تكرار التجربة 100 مرة فمن المحتمل أن يتم رفض الفرض الصفري وهو في الواقع صحيح 5 مرات، أي نسبة الشك تكون 5% فيما توصلنا إليه من نتائج العينة مقارنة بما هو موجود في المجتمع، كما يعني أننا نثق بنسبة 95% في تلك النتائج.
أي أن مستوى الدلالة 0.05 يبين لنا النتائج التي توصل إليها الباحث من خلال العينة التي استخدمها في الدراسة هي صحيحة ودقيقة بنسبة 95%، ونسبة الشك أو نسبة الخطأ هي فقط 5%.
يتم استخدام مستوى الدلالة الاحصائية 0.05 غالبًا في الأبحاث النظرية المتعلقة بالعلوم الانسانية والاجتماعية، لانها علوم نسبية ومن المستحيل أن يتوصل الباحث إلى نتائج دقيقة 100%، وذلك لأن العنصر البشري الذي يقوم الباحث بدراسته يتميز بعدم الثبات والاستمرار في رأيه أو في اتجاهاته.
ثانيًا مستوى الدلالة الإحصائية α=0.01
يعني مستوى الدلالة (0.01) بأنه يتم تكرار التجربة 100 مرة فمن المحتمل أن يتم رفض الفرض الصفري وهو في الواقع صحيح مرة واحدة، أي نسبة الشك تكون 1% فيما توصلنا إليه من نتائج العينة مقارنة بما هو موجود في المجتمع، كما يعني أننا نثق بنسبة 99% في تلك النتائج.
أي أن مستوى الدلالة 0.01 يبين لنا النتائج التي توصل إليها الباحث من خلال العينة التي استخدمها في الدراسة هي صحيحة ودقيقة بنسبة 99%، ونسبة الشك أو نسبة الخطأ هي فقط 1%.
يتم استخدام مستوى الدلالة الاحصائية 0.01 غالبًا في الأبحاث العلمية المتعلقة مثلًا بكليات الطب والهندسة وغيرها من الدراسات التي تتطلب درجة عالية جدًا من الثقة.
إذن ما هو المعيار الذي من خلاله الباحث يمكن أن يتخذ ويُحدد إما مستوى الدلالة الإحصائية ألفا تساوي 0.05 أو ألفا تساوي 0.01، فهذا يرجع لأهمية الدراسة وطبيعتها ونوع البيانات والمتغيرات التي يسعى الباحث إلى دراستها، مع ملاحظة أن مستوى الدلالة الاحصائية ألفا 0.01 هو أكثر حساسية من مستوى الدلالة ألفا 0.05.
وبالتالي كلما لاحظ الباحث بأهمية وتأثير النتائج على حياة الأشخاص، لابد من تقليل قيمة الrisk أو قيمة الخطورة ، وتقليل قيمة ألفا، ورفع قيمة الثقة حتى تصل إلى 99% أو أكثر.
مع ملاحظة أن برنامج مثل spss المُستخدم في التحليل الإحصائي هو محدد على قيمة مستوى الدلالة الإحصائية sig، هي 0.05 لذلك قم بتغييرها إلى 0.01 في الأبحاث العملية.
مستوى المعنوية spss.
حيث يتم اختيار النتائج عن طريق برنامج spss، ويستخدم البرنامج اختبار مستوى المعنوية (significance level) في العديد من التحليلات الإحصائية، لتحديد ما إذا كانت النتائج ذات دلالة إحصائية أم لا، وذلك باستخدام قيمة p-value، فإذا كانت قيمة p أقل من مستوى المعنوية الذي تم تحديده على البرنامج (غالبًا يكون ٠.٠٥)، فإن النتائج تعتبر ذات دلالة إحصائية، أي أنه من غير المحتمل أن تكون نتائج الدراسة قد تم حدوثها بالصدفة.
كيفية قراءة قيمة sig في الجداول الإحصائية؟ واتخاذ القرار سواء بالرفض أو القبول
حيث عند عمل التحليلات الإحصائية المختلفة سواء يدويًا أو من خلال برنامج spss مثلًا، فإنه يتم الحصول على مجموعة من النتائج، وتُعد من أهم هذه النتائج هي قيمة significance أو ما تعرف ب sig، وهذه القيمة هي تمثل القيمة الاحتمالية أو فيما يٌعرف بقيمة p-value.
وبناء عليه يتم مقارنة قيمة (p-value) وهي القيمة الاحتمالية المتحصل عليها من النتائج، وبين القيمة الافتراضية المحددة من قِبل الباحث مُسبقًا ألفا(α).
هناك طريقتين في اتخاذ القرار سواء بالرفض أو بالقبول، إذا كانت التحليلات الإحصائية تمت باستخدام القوانين يدويًا أو من خلال برنامج spss.
أولًا اتخاذ القراريدويًا باستخدام القوانين الإحصائية.
إذا كانت القيمة الاحتمالية (p) أصغر من القيمة الجدولية عند درجات حرية معينة فإننا في هذه الحالة نقبل الفرض الصفري Ho.
أما إذا كانت القيمة الاحتمالية (p) أكبر من القيمة الجدولية عند درجات حرية معينة فإننا في هذه الحالة نقبل الفرض البحثي البديل H1، و نرفض الفرض الصفري.
ثانيًا اتخاذ القرار باستخدام spss.
حيث باستخدام برنامج spss نقارن قيمة p-value ، هل هي أكبر من أو أصغر من قيمة ألقا ٠.٠٥، فإن البرنامج محدد عليه قيمة مستوى الدلالة ألفا 0.05.
إذا كانت القيمة الاحتمالية (p) أكبر من ٠.٠٥ فإننا في هذه الحالة نقبل الفرض الصفري H0.
أما إذا كانت القيمة الاحتمالية (p) أصغر من ٠.٠٥ فإننا في هذه الحالة نقبل الفرض البحثي البديل H1 ونرفض الفرض الصفري H0.
القاعدة كما يلي:
إذا كان p-value ≥ α نقبل الفرض العدمي H0.
وإذا كان p-value< α نرفض الفرض العدمي H0.
ملاحظة: عند قبول الفرض العدمي أو الصفريHo فهذا يعني أنه لايوجد فروقًا ذات دلالة إحصائية بين المجموعات، وعند رفض الفرض العدمي أو الصفريHo فهذا يعني أن هناك فروقًا ذات دلالة إحصائية بين المجموعات.
ولمزيد من المعلومات وتفسير النتائج حول موضوع القيمة الاحتمالية p-value إقرأ أيضًا هذا المقال تفسير قيمة الدلالة الإحصائية p-value في spps خطوة خطوة.
أمثلة تطبيقية على ما معني لا توجد فروق ذات دلالة إحصائية.
مثال١:في مجال التعليم، لنفترض هناك دراسة علمية يريد فيها الباحث اختبار فاعلية طريقتين مختلفتين في تعليم الرياضيات للطلاب، حيث تم تقسيم الطلاب إلى مجموعتين، الأولي تتعلم باستخدام الطريقة أ، والثانية باستخدام الطريقة ب، وبعد مرور فترة زمنية معينة ولتكن ثلاثة أشهر، تم عمل اختبار موحد لتقييم أداء المجموعتين.
وتم إجراء التحليلات الإحصائية المُناسبة لتحليل البيانات، فإذا كانت قيمة p أكبر من ٠.٠٥، فهذا يُعني أن الفرق بين متوسط درجات المجموعتين ليس كبير بما يكفي ليكون ذو دلالة إحصائية، وبالتالي لا توجد فروق ذات دلالة إحصائية بين المجموعتين، أي النتائج تعني لا توجد فروق بين الطريقتين التعليميتين ، مع الأخذ في الاعتبار أن بُناًء فقط على البيانات المتاحة لدينا أظهرت النتائج بعد وجود فرق وأن الطريقتين متطابقتين إلى حد كبير.
مثال٢: في الأبحاث الطبية، قد يُستخدم مصطلح لا توجد فروق ذات دلالة إحصائية عند مقارنة تأثير دواء جديد على الدواء التقليدي المستخدم، وبناء على النتائج التي تظهر عدم وجود فروق ذات دلالة إحصائية ، قد يقرر الباحثون أن هذا الدواء ليس بالضرورة يكون أكثر فعالية من الدواء التقليدي، لذلك يتم أخذ قرارات صحية واختبار فعالية أي دواء جديد بناء على العديد من الدراسات الإحصائية واستخدام أدلة قوية وفعالة.
إقرأ أيضًا أنواع العينات، والفرق بين العينة العشوائية والغير عشوائية.
أخطاء تؤثرعلى نتائج مستوى الدلالة الإحصائيةsig وكيفية التغلب عليها.
ملحوظة هامة جدا: عدم وجود فروق ذات دلالة إحصائية لا يُعني بالضرورة نهاية الطريق للدراسة في هذا الموضوع، وإنما من الممكن أن تكون هذه النتائج هي نقطة جديدة لانطلاق العديد من الأبحاث الجديدة في هذا الموضوع، وتفادي الأخطاء وتغيير العديد من الجوانب التي تم تناولها سابقًا.
ومن هذه الجوانب التي يمكن تفاديها وتغيرها هي كما يلي.
حيث من المهم معرفة هناك العديد من التحديات التي تواجه الباحث التي من الممكن أن تؤثر على قيمة مستوى الدلالة الإحصائيةsig ، ومن ثم تفسير النتائج وهي كما يلي:
حجم العينة .
حيث في الدراسات التي تشمل عدد صغيرًا من المستجوبين، قد تكون نتائجها بخصوص قيمة الدلالة الإحصائية غير دقيقة، ولذلك لابد من زيادة عدد المشاركين في الدراسة، لضمان اكتشاف الفروقات الحقيقية بين المجموعات.
التحيز في اختيار العينة.
حيث من الممكن أن تكون العينة المستخدمة غير ممثلة للمجتمع المستهدف بشكٍل دقيق، ومن ثم يؤدي إلى نتائج غير صحيحة.
التحيز في تصميم أداة الدراسة.
تصميم أداة الدراسة مثل الاستبيانات بطريقة غير صحيحة، وخصوصًا إذا كان هناك عوامل متغيرة لم تُأخذ بعين الاعتبار، قد تؤثر بشكٍل فعال على نتائج الدراسة.
التحيز في التحليل والتفسير.
حيث قد يتجاهل الباحث النتائج التي لا تدعم فرضيات دراستهم أو النتائج التي يرغبون التوصل إليها، ومن ثم يفسر الباحث النتائج بطريقة تتماشى مع توقعاته البحثية، ولكن لابد من تمتع الباحث بالنزاهة العلمية وتقديم نتائج دقيقة دون تحيز.
الاعتماد فقط على قيمة مستوى الدلالة الإحصائية sig.
حيث على الرغم من أهمية استخدام قيمة p في دراسة الفروقات الإحصائية وتقييم صحة الفرضيات ،إلا إنها لا تُعد المقياس الوحيد ، حيث يمكن استخدام مقاييس أخرى مثل (confidence intervals) فواصل الثقة، وذلك لتقديم صورة أكثر وضوحًا عن البيانات، حيث يجب دائما مراعاة السياق الكامل للدراسة .
إقرأ أيضًا كيفية توليد عينة عشوائية في برنامج spss خطوة بخطوة.
تم تناول شرح كل مايخص مستوى الدلالة الإحصائية sig، والفرق بين sig وقيمة p-value، فهي تُعد من المواضيع الهامة والتي يجب على كل باحث فهمها وتفسيرها.
ولخدمات التحليل الإحصائي من خلال الموقع يمكنك التواصل من خلال رابط الواتس.
تعليقات
إرسال تعليق