Giá trị P là gì? | Thống kê

Nói một cách đơn giản, giá trị p thể hiện mức độ ngạc nhiên của bạn với dữ liệu, giả sử không có tác động nào. Giá trị p càng thấp thì dữ liệu có vẻ không tương thích với mô hình của bạn càng nhiều (tức là giả định rằng không có tác động nào).

Ví dụ.

So sánh phương pháp điều trị A với phương pháp điều trị B, bạn cho rằng không có tác dụng hoặc không có sự khác biệt; bạn mong đợi giả thuyết không là đúng. Bạn thực hiện thử nghiệm và nhận được giá trị p là 0,02. Điều đó có nghĩa là dữ liệu bạn thu thập được khá đáng ngạc nhiên, khi mà bạn cho rằng các nhóm sẽ không khác nhau.

Giá trị p tồn tại để bảo vệ bạn khỏi tính ngẫu nhiên. Nếu bạn thực hiện một nghiên cứu, rất có thể những hiệu ứng bạn thấy chỉ là ngẫu nhiên—hay nhiễu dữ liệu, theo cách chúng tôi gọi. Đó là lý do tại sao bạn có thể thấy sự khác biệt đáng chú ý trong giá trị trung bình giữa các nhóm, nhưng không có tác động đáng kể về mặt thống kê. Và ngược lại cũng có thể xảy ra. Một nghiên cứu có thể cho thấy kết quả không đáng kể, nhưng vẫn có thể có tác động thực sự; có lẽ vì quy mô mẫu quá nhỏ.

Những yếu tố nào ảnh hưởng tới giá trị p?

Giá trị P bị ảnh hưởng bởi một số yếu tố khác nhau: quy mô mẫu, quy mô hiệu ứng và loại thử nghiệm cùng các giả định của nó.

• Quy mô mẫu: nhóm càng lớn, bạn sẽ càng nhanh chóng nhận được kết quả có ý nghĩa thống kê với sự khác biệt nhỏ—và ngược lại.
• Quy mô hiệu ứng : quy mô hiệu ứng càng lớn, bạn sẽ nhận được kết quả có ý nghĩa thống kê càng nhanh, ngay cả với các nhóm nhỏ hơn—và ngược lại
• Loại kiểm tra: kiểm tra nhạy cảm hơn với sự khác biệt với một số giả định nhất định về ví dụ như phân phối dữ liệu, tính độc lập của các biện pháp, tính đồng phương sai, một phía so với hai phía, giữa nhóm so với trong nhóm, v.v.

Ví dụ. 

Một nghiên cứu lớn có thể tìm ra những kết quả có ý nghĩa thống kê ngay cả với những tác động nhỏ nhất. Những tác động này có thể không có ý nghĩa gì. Đây chính là lúc ý nghĩa lâm sàng phát huy tác dụng. Nghiên cứu penicillin ban đầu đã sử dụng một mẫu nhỏ để đưa ra dữ liệu cho thấy thuốc có tác dụng rất lớn trong việc loại bỏ vi khuẩn.

Giá trị P <0,05 ngưỡng

Ngưỡng ý nghĩa thống kê mà hầu hết các nhà nghiên cứu sử dụng (tức là p < 0,05) chỉ là tùy ý. Xét cho cùng, nó sẽ thay đổi tùy theo cách bạn thiết lập quá trình học tập. Nếu bạn thực sự không muốn có kết quả dương tính giả (ví dụ: quyết định trải qua một cuộc phẫu thuật đe dọa tính mạng), bạn cần ngưỡng thấp. Nếu bạn thực sự không muốn có kết quả âm tính giả (ví dụ: chẩn đoán khối u ác tính), bạn cần một nghiên cứu có công suất cao với ngưỡng giá trị p cao hơn sau đó. Điều này minh họa mối quan hệ cho-và-nhận giữa lỗi loại 1 (α) và lỗi loại 2 (ß) .

Xin lưu ý rằng giá trị p được lấy từ dữ liệu chứ không phải từ lý thuyết. Bạn không thể 'chứng minh' lý thuyết của mình bằng một hiệu ứng thống kê có ý nghĩa. Điều duy nhất bạn có thể làm là cố gắng bác bỏ lý thuyết của mình bằng nhiều nghiên cứu khác nhau, nếu nó đúng thì lý thuyết của bạn vẫn đúng. Đây là sự làm giả.

Những quan niệm sai lầm xung quanh giá trị p

Một số quan niệm sai lầm phổ biến về giá trị p trong nghiên cứu y khoa bao gồm:

• Giá trị p đáng kể có nghĩa là tác động hoặc mối liên hệ là lớn hoặc có ý nghĩa lâm sàng.
  • Thực tế : Giá trị p chỉ cho biết khả năng đạt được kết quả quan sát được hoặc khả năng cực đoan hơn theo giả thuyết không . Nó không cung cấp thông tin về quy mô hoặc ý nghĩa lâm sàng của tác động hoặc mối liên quan
• Giá trị p không đáng kể có nghĩa là không có tác dụng hoặc mối liên hệ nào.
  • Thực tế : Giá trị p không đáng kể chỉ cho thấy kết quả quan sát được không có ý nghĩa thống kê, nhưng không nhất thiết có nghĩa là không có tác dụng hoặc mối liên hệ. Có thể là do sức mạnh thống kê thấp hoặc các yếu tố khác như lỗi đo lường hoặc biến nhiễu.
• Giá trị p là 0,05 là ngưỡng chung cho ý nghĩa thống kê.
  • Thực tế : Việc lựa chọn mức độ ý nghĩa phụ thuộc vào bối cảnh và phải dựa trên các yếu tố như thiết kế nghiên cứu, quy mô mẫu và hậu quả của việc mắc lỗi loại I. Mức độ ý nghĩa thấp hơn có thể phù hợp trong một số tình huống, chẳng hạn như trong các nghiên cứu có nhiều so sánh hoặc rủi ro cao
• Giá trị p đáng kể chứng minh quan hệ nhân quả.
  • Thực tế : Ý nghĩa thống kê chỉ cho biết khả năng đạt được kết quả quan sát được hoặc cực đoan hơn theo giả thuyết không. Nó không thiết lập được mối quan hệ nhân quả, điều này đòi hỏi bằng chứng bổ sung từ thiết kế nghiên cứu, khả năng hợp lý về mặt sinh học và các yếu tố khác.
• Kích thước mẫu lớn luôn dẫn đến giá trị p đáng kể.
  • Thực tế : Kích thước mẫu lớn làm tăng khả năng phát hiện tác động hoặc mối liên hệ, nhưng không đảm bảo giá trị p có ý nghĩa. Quy mô hiệu ứng , tính biến thiên và các yếu tố khác cũng đóng vai trò trong việc xác định ý nghĩa thống kê.

Elkins, MR, Pinto, RZ, Verhagen, A., Grygorowicz, M., Söderlund, A., Guemann, M., Gómez-Conesa, A., Blanton, S., Brismée, JM, Agarwal, S., Jette , A., Karstens, S., Harms, M., Verheyden, G., & Sheikh, U. (2022). Suy luận thống kê thông qua ước tính: khuyến nghị từ Biên tập viên Tạp chí của Hiệp hội Vật lý trị liệu Quốc tế. Tạp chí liệu pháp thủ công và thao tác, 30(3), 133–138 .
Neyman, J. và Pearson, ES (1928) Về việc sử dụng và diễn giải một số tiêu chí kiểm tra cho mục đích suy luận thống kê. Sinh trắc học, 20A, 175-240.

Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Kiểm định thống kê, giá trị P, khoảng tin cậy và năng lực: hướng dẫn tránh hiểu lầm. Tạp chí dịch tễ học Châu Âu, 31(4), 337–350.

Kamper S.J. (2019). Diễn giải kết quả 2-Ý nghĩa thống kê và ý nghĩa lâm sàng: Liên kết bằng chứng với thực hành. Tạp chí vật lý trị liệu chỉnh hình và thể thao, 49(7), 559–560. 

Karl Popper, Giả thuyết và bác bỏ, London: Routledge và Keagan Paul, 1963, tr. 33-39; từ Theodore Schick, biên tập, Đọc hiểu về Triết học Khoa học, Mountain View, CA: Công ty xuất bản Mayfield, 2000, trang 9-13

Christley, R.M. (2010). Công suất và lỗi: Tăng nguy cơ cho kết quả dương tính giả trong các nghiên cứu thiếu sức mạnh. Tạp chí dịch tễ học mở, 3, 16-19.

Fleming A. Về tác dụng kháng khuẩn của các nền văn hóa Penicillium, với sự tham khảo đặc biệt đến việc sử dụng chúng trong việc phân lập B. influenzæ. Br J Exp Pathol. 1929 tháng 6;10(3):226–36. Mã số thuế: PMC2048009.

Erickson, R.A. và Rattner, B.A. (2020). Vượt qua p < 0,05 trong Độc chất sinh thái: Hướng dẫn dành cho người hành nghề. Độc chất học và hóa học môi trường, 39(9), 1657–1669.