مراجعة لبعض الأخطاء الإحصائية الشائعة في البحوث السلوكية مقالة

ملخص الجهاز:

لذلك، مع وجود متغيرين تابعين واستخدام اختبار t أو تحليل التباين (ANOVA) بشكل منفصل لكل منهما، يزداد معدل الخطأ وتزداد قيمته من (5% إلى 975%)، ويستمر هذا المعدل في الارتفاع مع زيادة عدد المتغيرات التابعة؛ بالإضافة إلى ذلك، يتأثر خطأ النوع الثاني (B?) أيضًا، ونتيجة لذلك، تنخفض قيمة قوة الاختبار (گایلس، 3، 2002، نقلاً عن فراهانی (1). لذلك، عند إجراء التحليلات الإحصائية مع عدة متغيرات تابعة، فإن استخدام تحليل التباين متعدد المتغيرات ( MANOVA ) يوفر الإمكانية لمنع تضخم خطأ النوع الأول وانخفاض قوة الاختبار، ومن ناحية أخرى، تحديد الارتباط الداخلي للمتغيرات التابعة. بناءً على ذلك، يمكن القول إنه عندما تؤدي المقارنة المنفصلة إلى تضخم خطأ النوع الأول، يجب استخدام تحليل التباين متعدد المتغيرات ( MANOVA ). 3. قيمة P والاستخدام الخاطئ لها كما تمت الإشارة إليه، في اختبار الفرضيات، يتم اختيار مستوى الخطأ من النوع الأول ( α ) مسبقاً بناءً على قاعدة اصطلاحية بنسبة 5% أو 1%، ولكن يمكن بدلاً من ذلك استخدام طريقة أخرى لاختبار الفرض الصفري ( H₀ )، بحيث با افتراض صحة الفرض الصفري، يتم حساب احتمال ملاحظة قيمة مساوية أو أكبر من الإحصائية التي تم الحصول عليها من مجموعة العينة، وتسمى هذه الاحتمالية بقيمة P. بناءً على ذلك، في أبحاث العلوم السلوكية، فإن الإبلاغ عن حجم الأثر، والقيمة الدقيقة لـ P-value، والاستخدام الصحيح للاختبارات الإحصائية (عدم تضخم الخطأ من النوع الأول)، واستخدام تحليل التباين المصاحب (ANCOVA) للتحكم في الفروق الأولية بدلاً من استخدام الفرض الصفري لإثبات التكافؤ الأولي للمجموعات، سيؤدي إلى الوصول إلى نتائج دقيقة وزيادة صلاحية الاستنتاجات الإحصائية.