Les résultats qui sont significatifs au niveau p<0,01 sont généralement considérés comme étant statistiquement significatifs et des niveaux p<0,005 ou p<0,001 sont souvent appelés "hautement" significatifs.
La valeur p indique la probabilité que les résultats soient dus au hasard. p=0,05 signifie qu'il y a une probabilité de 5 % que les résultats soient dus au hasard. p=0,001 signifie que les chances ne sont que de 1 sur mille . Le choix du niveau de signification auquel vous rejetez l’hypothèse nulle est arbitraire.
Jusqu’à présent, dans les essais contrôlés randomisés, l’hypothèse nulle est généralement rejetée à p<0,05. Nous devrions peut-être envisager de rejeter l’intégralité de l’étude si les valeurs p du critère d’évaluation principal sont >0,95 ou <0,0001 .
Une valeur p mesure la probabilité d’obtenir les résultats observés, en supposant que l’hypothèse nulle est vraie. Plus la valeur p est faible, plus la différence observée est statistiquement significative . Une valeur p de 0,05 ou moins est généralement considérée comme statistiquement significative.
Si nous voulons que la probabilité soit inférieure à 1% , nous avons fixé le niveau de signification à 0,01. Nous pouvons aller encore plus loin : nous pourrions vouloir être très prudents et vouloir une « confiance » de 99,99 %, de sorte que nous voulons que la probabilité soit inférieure à 0,01 % — alors nous avons fixé le niveau de signification à 0,001.
La valeur p de 0,03 signifie qu'il y a 3 % (probabilité en pourcentage) que le résultat soit dû au hasard , ce qui n'est pas vrai.
P > 0,05 est la probabilité que l'hypothèse nulle soit vraie . 1 moins la valeur P est la probabilité que l'hypothèse alternative soit vraie. Un résultat de test statistiquement significatif (P ≤ 0,05) signifie que l'hypothèse du test est fausse ou doit être rejetée. Une valeur AP supérieure à 0,05 signifie qu’aucun effet n’a été observé.
The p-value can be perceived as an oracle that judges our results. If the p-value is 0.05 or lower, the result is trumpeted as significant, but if it is higher than 0.05, the result is non-significant and tends to be passed over in silence.
Soit p>0,05: la différence n'est pas significative, on ne peut pas conclure à une différence. Soit p≤0,05: la différence est significative, le risque pris est précisé, sa valeur est appelée degré de signification.
Une valeur p élevée (proche de 1) indique qu'il est plus probable que les résultats soient le fruit du hasard . Dans un test d’hypothèse statistique, une valeur p faible indique que la différence entre certaines caractéristiques d’une population n’est pas statistiquement significative.
Plus la valeur de p est petite, plus la probabilité de faire une erreur en rejetant l'hypothèse nulle est faible. Une valeur limite de 0,05 est souvent utilisée. Autrement dit, vous pouvez rejeter l'hypothèse nulle si la valeur de p est inférieure à 0,05.
Une variable est significative lorsque la statistique du test (t, f, etc.) calculée par Stata se trouve dans la zone de rejet de l'hypothèse nulle, on suppose donc que β>0 ou β<0 ou β≠0. On peut aussi utiliser la « p-value » pour déterminer si le coefficient passe le test de signification.
Cependant, la valeur P de 0,008 suggérerait un degré de « signification » dans le résultat qui dément son interprétation clinique .
Choisissez un seuil de signification plus élevé, tel que 0,10, si vous souhaitez augmenter le risque de déclarer qu'un effet est significatif sur le plan statistique alors qu'aucun effet n'existe et donc avoir une plus grande puissance de détection d'un effet important.
Si la statistique-t est supérieure à la valeur critique, alors la différence est significative. Si la statistique-t est inférieure, il n'est pas possible de différencier les deux nombres d'un point de vue statistique.
L'idée générale est de déterminer si l'hypothèse nulle est ou n'est pas vérifiée car dans le cas où elle le serait, le résultat observé serait fortement improbable.
La valeur P
Une valeur P faible (<0,05) signifie que le coefficient n'est probablement pas égal à zéro. Une valeur P élevée (> 0,05) signifie que nous ne pouvons pas conclure que la variable explicative affecte la variable dépendante (ici : si Average_Pulse affecte Calorie_Burnage). Une valeur P élevée est également appelée valeur P insignifiante.
Une valeur p inférieure ou égale à 0,05 est considérée comme la preuve d'un résultat statistiquement significatif , et dans ces cas, l'hypothèse nulle doit être rejetée en faveur de l'hypothèse alternative.
Dans ce contexte, ce que P = 0,04 (soit 4 %) signifie que si l'hypothèse nulle est vraie et si vous effectuez l'étude un grand nombre de fois et exactement de la même manière, en tirant des échantillons aléatoires de la population à chaque fois , alors, dans 4% des cas, vous obtiendriez la même différence ou plus entre les groupes...
Plus la valeur p est petite, plus l'écart est grand : « Si p est compris entre 0,1 et 0,9, il n'y a certainement aucune raison de suspecter l'hypothèse testée, mais si elle est inférieure à 0,02, cela indique fortement que l'hypothèse ne parvient pas à prendre en compte l'ensemble de l'hypothèse testée. faits . Nous ne devrions pas dérailler si nous traçons une ligne conventionnelle à 0,05”.
Par exemple, une valeur P de 0,08, même si elle n'est pas significative , ne signifie pas « nul ». Il reste encore 8 % de chances que l’hypothèse nulle soit vraie. Une valeur P seule ne peut pas être utilisée pour accepter ou rejeter l’hypothèse nulle.
Lorsque la régression est effectuée, une valeur F et le niveau de signification de cette valeur F sont calculés. Si la valeur F est statistiquement significative (généralement p < 0,05), le modèle explique une variance significative dans la variable de résultat .
Qu'est-ce que la significativité statistique ? La significativité statistique, ou seuil de signification, désigne le seuil à partir duquel les résultats d'un test sont jugés fiables. Autrement dit, ce seuil détermine la confiance dans la corrélation entre un test effectué et les résultats obtenus.
Une valeur-p de 0,05 signifie qu'il y a une chance sur 20 qu'une hypothèse correcte soit rejetée plusieurs fois lors d'une multitude de tests (et n'indique pas, comme on le croit souvent, que la probabilité d'erreur sur un test unique est de 5 %).