P-value ဆိုတာ ဘာလဲ?
P-value ဆိုတာ: null ယူဆချက် မှန်ခဲ့ရင် ဒီလို (သို့မဟုတ် ဒီထက်ပိုပြင်းထန်တဲ့) ရလဒ် ရဖို့ ဖြစ်နိုင်ခြေ ပါ။ P-value ငယ်ရင် ဒီလို ရလဒ်က ကျပန်းကြောင့် ဖြစ်ရန် ခဲယဉ်းတယ်ဆိုတဲ့ သက်သေ ပိုခိုင်လုံပါတယ်။
ရန်ကုန်မှာ လက်ဖက်ရည် အမှတ်တံဆိပ်အသစ်က ယခင်ဟာထက် ပိုရောင်းရသလား စစ်ဆေးပါတယ်။ ၃ လ စမ်းသပ်ပြီး ရောင်းအား ₁₅% တက်တာ တွေ့ရပါတယ်။
P-value = ₀.₀₃ ဆိုတာ: ရောင်းအား ကွာခြားမှု တကယ်မရှိခဲ့ရင် (null မှန်ရင်) ₁₅% တက်မှု မြင်ရဖို့ ₃% ပဲ ဖြစ်နိုင်ခြေ ရှိပါတယ်။ ₃% ဆိုတာ သိပ်နည်းတယ် → null ကို ငြင်းပယ် → အမှတ်တံဆိပ်အသစ်က တကယ်ပဲ ရောင်းအား တိုးစေတယ်လို့ ကောက်ချက်ချပါတယ်။
₀.₀₅ အတားအဆီး
သိပ္ပံနယ်ပယ်များစုမှာ p-value < ₀.₀₅ ဖြစ်ရင် "စာရင်းအင်းဆိုင်ရာ အဓိပ္ပါယ်ရှိ" (statistically significant) လို့ သတ်မှတ်ပါတယ်။ ဒါက "ဒီလို ရလဒ် ကျပန်းကြောင့် ဖြစ်နိုင်ခြေ ₅% ထက်နည်း" ဆိုတဲ့ အဓိပ္ပါယ်ပါ။
₀.₀₅ က ပုံသေ စည်းမျဉ်း မဟုတ်ပါဘူး - ဆေးပညာမှာ ₀.₀₁ သုံးတတ်ပြီး အချို့ နယ်ပယ်တွေမှာ ₀.₁₀ ကို လက်ခံပါတယ်။
P-value မဟုတ်တဲ့ အရာ
P-value အကြောင်း အဖြစ်အများဆုံး အထင်လွဲမှုတွေ:
- မဟုတ်: "H₀ မှန်ဖို့ ဖြစ်နိုင်ခြေ" - P-value က H₀ မှန်တယ်/မမှန်ဘူးဆိုတာ မပြောပါ
- မဟုတ်: "ရလဒ် မှန်ဖို့ ဖြစ်နိုင်ခြေ" - P-value က ဒေတာအကြောင်း ပြောတယ်၊ ယူဆချက်အကြောင်း မဟုတ်
- မဟုတ်: "သက်ရောက်မှု အရွယ်အစား" - P-value = ₀.₀₀₁ ဆိုတာ သက်ရောက်မှုကြီးတယ်လို့ မဆိုလိုပါ၊ နမူနာ အရမ်းကြီးရင် သေးငယ်တဲ့ ကွာခြားချက်ကိုတောင် p ငယ်ငယ်ရနိုင်ပါတယ်
MNL ကစားသမား ₁₀,₀₀₀ ယောက်ကို လေ့လာပြီး အမျိုးအစား A ဖိနပ်စီးတဲ့သူတွေ ပျမ်းမျှ ₀.₀₂ ကီလိုမီတာ ပိုပြေးတယ် (p = ₀.₀₀₁)။ P-value သိပ်ငယ်ပါတယ် - "စာရင်းအင်းဆိုင်ရာ အဓိပ္ပါယ်ရှိ"ပါ။ ဒါပေမဲ့ ₀.₀₂ ကီလိုမီတာ ကွာခြားချက်က လက်တွေ့ အဓိပ္ပါယ် မရှိပါ - မီတာ ₂₀ ပဲ ကွာတယ်!
P-value ₀.₀₅ ထက် ကြီးရင်?
P > ₀.₀₅ ဆိုတာ "H₀ မှန်တယ်" ဆိုတဲ့ အဓိပ္ပါယ် မဟုတ်ပါ။ "H₀ ကို ငြင်းပယ်ဖို့ သက်သေ မလုံလောက်ပါ" ဆိုတဲ့ အဓိပ္ပါယ်ပါ။ တရားရုံးမှာ "အပြစ်မရှိ" ဆိုတာ "ပြစ်မှု မကျူးလွန်ဘူး" ဆိုတဲ့ အဓိပ္ပါယ် မဟုတ်သလိုပါပဲ - "သက်သေ မလုံလောက်" ဆိုတာပါ။
ဆန်စက်မှာ ဓာတ်မြေဩဇာ အသစ်က အထွက်နှုန်း တိုးစေသလား စစ်ဆေးပါတယ်။ လယ်ကွက် ₁₅ ခုနဲ့ စမ်းသပ်ပြီး p = ₀.₁₅ ရပါတယ်။
ဘာကို ဆိုလိုလဲ: ဓာတ်မြေဩဇာ အကျိုးမရှိဘူးလို့ ပြောလို့ မရပါ - နမူနာ ငယ်လွန်းလို့ ကွာခြားချက်ကို ဖမ်းမရတာ ဖြစ်နိုင်ပါတယ်။ လယ်ကွက် ₁₀₀ ခုနဲ့ ထပ်မံ စမ်းသပ်ရင် ရလဒ် ကွဲပြားနိုင်ပါတယ်။
P-value ကို ဘယ်လို မှန်ကန်စွာ အသုံးပြုမလဲ?
- P-value ကို သက်သေရဲ့ ခိုင်လုံမှု "အဆင့်" အဖြစ် ကြည့်ပါ - ₀.₀₄₉ နဲ့ ₀.₀₅₁ ကြား ကြီးမားတဲ့ ကွာခြားချက် မရှိပါ
- P-value နဲ့အတူ သက်ရောက်မှု အရွယ်အစား (effect size) ကိုလည်း ကြည့်ပါ
- ယုံကြည်ကြားခံ (confidence interval) ကိုလည်း စစ်ဆေးပါ
P-value ဆိုတာ null ယူဆချက် မှန်ခဲ့ရင် သင့်ရလဒ် (သို့ ပိုပြင်းထန်တဲ့ ရလဒ်) ရဖို့ ဖြစ်နိုင်ခြေပါ။ P < ₀.₀₅ ဆိုတာ "ကွဲပြားမှု ရှိတယ်" ဆိုတဲ့ သက်သေ ခိုင်လုံတယ်လို့ သမ္မတိယူပါ - ဒါပေမဲ့ ₁₀₀% သေချာတာ မဟုတ်ဘူး။ "စာရင်းအင်းဆိုင်ရာ အဓိပ္ပါယ်ရှိ" ဆိုတာ "လက်တွေ့ အရေးကြီး" ဆိုတဲ့ အဓိပ္ပါယ်ချင်း မတူပါဘူး - နှစ်ခုစလုံး စစ်ဆေးပါ။