Penelitian biasanya dimulai dengan beberapa asumsi yang memerlukan verifikasi dengan menggunakan fakta. Asumsi ini - hipotesis - dirumuskan sehubungan dengan hubungan fenomena atau sifat-sifat dalam sekumpulan objek tertentu.

Untuk menguji asumsi-asumsi tersebut dengan fakta-fakta, perlu dilakukan pengukuran terhadap sifat-sifat yang bersangkutan dari pembawanya. Namun tidak mungkin mengukur kecemasan pada semua perempuan dan laki-laki, sama seperti tidak mungkin mengukur agresivitas pada semua remaja. Oleh karena itu, dalam melakukan penelitian, penelitian dibatasi hanya pada sekelompok kecil perwakilan populasi masyarakat yang bersangkutan.

Populasi— ini adalah keseluruhan rangkaian objek yang hubungannya dengan hipotesis penelitian dirumuskan.

Misalnya, semua laki-laki; atau semua wanita; atau seluruh penduduk suatu kota. Populasi umum yang akan dijadikan kesimpulan oleh peneliti berdasarkan hasil penelitian mungkin jumlahnya lebih sedikit, misalnya semua siswa kelas satu di sekolah tertentu.

Dengan demikian, populasi umum, meskipun jumlahnya tidak terbatas, tetapi, sebagai suatu peraturan, tidak dapat diakses untuk penelitian berkelanjutan, sekumpulan subjek potensial.

Sampel atau populasi sampel- ini adalah sekelompok objek yang jumlahnya terbatas (dalam psikologi - subjek, responden), yang dipilih secara khusus dari populasi umum untuk mempelajari sifat-sifatnya. Oleh karena itu, ilmu yang mempelajari sifat-sifat populasi umum dengan menggunakan sampel disebut studi pengambilan sampel. Hampir semua penelitian psikologi bersifat selektif, dan kesimpulannya meluas ke populasi umum.

Jadi, setelah hipotesis dirumuskan dan populasi yang sesuai telah diidentifikasi, peneliti menghadapi masalah pengorganisasian sampel. Sampel harus sedemikian rupa sehingga generalisasi kesimpulan penelitian sampel dapat dibenarkan - generalisasi, perluasannya ke populasi umum. Kriteria utama validitas kesimpulan penelitian— ini adalah keterwakilan sampel dan keandalan statistik dari hasil (empiris).

Keterwakilan sampel- dengan kata lain, keterwakilan adalah kemampuan sampel untuk mewakili fenomena yang diteliti secara lengkap - dari sudut pandang variabilitasnya dalam populasi umum.

Tentu saja, hanya masyarakat umum yang dapat memberikan gambaran lengkap tentang fenomena yang diteliti, dengan segala jangkauan dan nuansa variabilitasnya. Oleh karena itu, keterwakilan selalu terbatas pada batasan sampel yang terbatas. Dan keterwakilan sampellah yang menjadi kriteria utama dalam menentukan batasan generalisasi temuan penelitian. Namun, ada teknik yang memungkinkan diperolehnya keterwakilan sampel yang cukup bagi peneliti (Teknik ini dipelajari dalam mata kuliah “Psikologi Eksperimental”).

Teknik yang pertama dan utama adalah seleksi acak sederhana (acak). Hal ini mencakup memastikan kondisi sedemikian rupa sehingga setiap anggota populasi mempunyai peluang yang sama dengan anggota populasi lainnya untuk dimasukkan ke dalam sampel. Pemilihan acak memastikan kemungkinan mendapatkan sampel sebanyak-banyaknya perwakilan yang berbeda populasi umum. Dalam hal ini, tindakan khusus diambil untuk mencegah munculnya pola apapun selama seleksi. Dan hal ini memungkinkan kita untuk berharap bahwa pada akhirnya, dalam sampel, properti yang diteliti akan terwakili, jika tidak semuanya, maka dalam keragaman semaksimal mungkin.

Cara kedua untuk memastikan keterwakilan adalah pengambilan sampel acak bertingkat, atau pemilihan berdasarkan sifat-sifat populasi umum. Ini melibatkan penentuan awal kualitas-kualitas yang dapat mempengaruhi variabilitas properti yang diteliti (bisa berupa jenis kelamin, tingkat pendapatan atau pendidikan, dll.). Kemudian ditentukan persentase jumlah kelompok (strata) yang berbeda dalam kualitas-kualitas ini dalam populasi umum dan persentase yang sama dari kelompok-kelompok terkait dalam sampel dipastikan. Selanjutnya, subjek dipilih ke dalam setiap subkelompok sampel berdasarkan prinsip pemilihan acak sederhana.

Signifikansi statistik, atau signifikansi statistik, hasil suatu penelitian ditentukan dengan menggunakan metode inferensi statistik.

Apakah kita kebal dari kesalahan dalam mengambil keputusan, dalam menarik kesimpulan tertentu dari hasil penelitian? Tentu saja tidak. Bagaimanapun, keputusan kita didasarkan pada hasil studi terhadap populasi sampel, serta pada tingkat pengetahuan psikologis kita. Kita tidak sepenuhnya kebal dari kesalahan. Dalam statistik, kesalahan seperti itu dianggap dapat diterima jika terjadi tidak lebih dari satu kali dalam 1000 kasus (probabilitas kesalahan = 0,001 atau probabilitas kepercayaan terkait dari kesimpulan yang benar p = 0,999); dalam satu kasus dari 100 (probabilitas kesalahan α = 0,01 atau probabilitas keyakinan terkait dari kesimpulan yang benar p = 0,99) atau dalam lima kasus dari 100 (probabilitas kesalahan α = 0,05 atau probabilitas keyakinan terkait dari keluaran kesimpulan yang benar hal=0,95). Pada dua tingkat terakhir inilah keputusan dibuat dalam psikologi.

Terkadang ketika dibicarakan signifikansi statistik, gunakan konsep “tingkat signifikansi” (dilambangkan dengan α). Nilai numerik p dan α saling melengkapi hingga 1.000 - serangkaian peristiwa lengkap: apakah kita membuat kesimpulan yang benar, atau kita membuat kesalahan. Level-level ini tidak dihitung, melainkan diberikan. Tingkat signifikansi dapat dipahami sebagai semacam garis “merah”, yang perpotongannya memungkinkan kita untuk menyebut peristiwa ini sebagai peristiwa yang tidak acak. Dalam setiap laporan atau publikasi ilmiah yang baik, kesimpulan yang diambil hendaknya disertai dengan indikasi nilai p atau α yang menjadi dasar pengambilan kesimpulan tersebut.

Metode inferensi statistik dibahas secara rinci pada mata kuliah Statistika Matematika. Sekarang kami hanya mencatat bahwa mereka memiliki persyaratan tertentu untuk nomor tersebut, atau ukuran sampel.

Sayangnya, tidak ada pedoman ketat untuk menentukan terlebih dahulu ukuran sampel yang dibutuhkan. Selain itu, peneliti biasanya terlambat menerima jawaban atas pertanyaan tentang jumlah yang diperlukan dan cukup - hanya setelah menganalisis data sampel yang sudah disurvei. Namun, rekomendasi paling umum dapat dirumuskan:

1. Ukuran sampel terbesar diperlukan saat mengembangkan teknik diagnostik - dari 200 hingga 1000-2500 orang.

2. Apabila perlu membandingkan 2 sampel, jumlah seluruhnya minimal 50 orang; jumlah sampel yang dibandingkan harus kira-kira sama.

3. Jika hubungan antara suatu sifat sedang dipelajari, maka ukuran sampel minimal 30-35 orang.

4. Semakin banyak variabilitas properti yang sedang dipelajari, semakin besar ukuran sampelnya. Oleh karena itu, variabilitas dapat dikurangi dengan meningkatkan homogenitas sampel, misalnya berdasarkan jenis kelamin, usia, dll. Hal ini tentu saja mengurangi kemampuan untuk menggeneralisasi kesimpulan.

Sampel dependen dan independen. Situasi penelitian yang umum adalah ketika suatu properti yang menarik bagi seorang peneliti dipelajari pada dua sampel atau lebih untuk tujuan perbandingan lebih lanjut. Sampel ini dapat memiliki proporsi yang berbeda-beda, bergantung pada urutan pengorganisasiannya. Sampel independen dicirikan oleh fakta bahwa probabilitas terpilihnya subjek apa pun dalam satu sampel tidak bergantung pada pemilihan subjek mana pun dalam sampel lain. Melawan, sampel dependen dicirikan oleh fakta bahwa setiap subjek dari satu sampel dicocokkan menurut kriteria tertentu dengan subjek dari sampel lain.

Secara umum, sampel dependen melibatkan pemilihan subjek secara berpasangan ke dalam sampel yang dibandingkan, dan sampel independen menyiratkan pemilihan subjek yang independen.

Perlu dicatat bahwa kasus sampel yang “tergantung sebagian” (atau “tidak bergantung sebagian”) tidak dapat diterima: hal ini melanggar keterwakilan sampel secara tidak terduga.

Sebagai kesimpulan, kami mencatat bahwa dua paradigma penelitian psikologi dapat dibedakan.

Disebut R-metodologi melibatkan studi tentang variabilitas suatu sifat tertentu (psikologis) di bawah pengaruh suatu pengaruh, faktor atau sifat lain. Sampel adalah sekumpulan subjek.

Pendekatan lain Q-metodologi, melibatkan studi tentang variabilitas suatu subjek (individu) di bawah pengaruh berbagai rangsangan (kondisi, situasi, dll). Ini sesuai dengan situasi ketika sampel adalah sekumpulan rangsangan.

KEANDALAN STATISTIK

- Bahasa inggris kredibilitas/validitas, statistik; Jerman Validitas, statistik. Konsistensi, objektivitas dan kurangnya ambiguitas dalam uji statistik atau q.l. serangkaian pengukuran. D.s. dapat diuji dengan mengulangi tes (atau kuesioner) yang sama pada subjek yang sama untuk melihat apakah diperoleh hasil yang sama; atau perbandingan berbagai bagian tes yang seharusnya mengukur objek yang sama.

Antinazi. Ensiklopedia Sosiologi, 2009

Lihat apa itu “Keandalan Statistik” di kamus lain:

KEANDALAN STATISTIK- Bahasa inggris kredibilitas/validitas, statistik; Jerman Validitas, statistik. Konsistensi, objektivitas dan kurangnya ambiguitas dalam uji statistik atau q.l. serangkaian pengukuran. D.s. dapat diverifikasi dengan mengulangi tes yang sama (atau... Kamus dalam Sosiologi

Dalam statistik, suatu besaran dikatakan signifikan secara statistik jika probabilitasnya rendah. kejadian yang tidak disengaja atau bahkan nilai-nilai yang lebih ekstrim. Di sini, yang kami maksud secara ekstrim adalah tingkat penyimpangan statistik pengujian dari hipotesis nol. Perbedaannya disebut... ... Wikipedia

Fenomena fisik stabilitas statistik adalah seiring bertambahnya ukuran sampel, frekuensinya juga meningkat peristiwa acak atau rata-rata kuantitas fisik cenderung ke suatu bilangan tetap. Fenomena statistik... ... Wikipedia

KEANDALAN PERBEDAAN (Kesamaan)- prosedur statistik analitik untuk menetapkan tingkat signifikansi perbedaan atau persamaan antar sampel menurut indikator (variabel) yang dipelajari ... Proses pendidikan modern: konsep dan istilah dasar

PELAPORAN, STATISTIK Kamus Akuntansi Hebat

PELAPORAN, STATISTIK- suatu bentuk pengamatan statistik negara, di mana otoritas terkait menerima dari perusahaan (organisasi dan lembaga) informasi yang mereka butuhkan dalam bentuk dokumen pelaporan (laporan statistik) yang ditetapkan secara hukum untuk... Kamus ekonomi besar

Ilmu yang mempelajari teknik pengamatan sistematis terhadap fenomena massa kehidupan sosial manusia, menyusun deskripsi numerik dan pemrosesan ilmiah atas deskripsi tersebut. Jadi, statistika teoretis adalah ilmu... ... kamus ensiklopedis F. Brockhaus dan I.A. Efron

Koefisien korelasi- (Koefisien korelasi) Koefisien korelasi merupakan indikator statistik ketergantungan dua variabel acak Pengertian Koefisien Korelasi, Jenis Koefisien Korelasi, Sifat Koefisien Korelasi, Perhitungan dan Penerapannya... ... Ensiklopedia Investor

Statistik- (Statistik) Statistika adalah ilmu teoritis umum yang mempelajari perubahan kuantitatif dalam fenomena dan proses. Statistik negara, layanan statistik, Rosstat (Goskomstat), data statistik, statistik permintaan, statistik penjualan,... ... Ensiklopedia Investor

Korelasi- (Korelasi) Korelasi adalah hubungan statistik antara dua atau lebih variabel acak. Konsep korelasi, jenis korelasi, koefisien korelasi, analisis korelasi, korelasi harga, korelasi pasangan mata uang pada Isi Forex... ... Ensiklopedia Investor

Buku

• Penelitian dalam matematika dan matematika dalam penelitian: Koleksi metodologis kegiatan penelitian siswa, Borzenko V.I.. Koleksinya menyajikan perkembangan metodologis, berlaku di organisasi kegiatan penelitian siswa. Bagian pertama dari koleksi ini dikhususkan untuk penerapan pendekatan penelitian di...

Tingkat signifikansi dalam statistik merupakan indikator penting yang mencerminkan tingkat keyakinan terhadap keakuratan dan kebenaran data yang diperoleh (diprediksi). Konsep ini banyak digunakan di berbagai bidang: mulai dari penyelenggaraan penelitian sosiologi, sebelum pengujian statistik hipotesis ilmiah.

Definisi

Tingkat signifikansi statistik (atau hasil signifikan secara statistik) menunjukkan kemungkinan munculnya indikator-indikator yang diteliti secara kebetulan. Signifikansi statistik keseluruhan dari suatu fenomena dinyatakan dengan koefisien nilai p (p-level). Dalam setiap percobaan atau pengamatan, ada kemungkinan bahwa data yang diperoleh disebabkan oleh kesalahan pengambilan sampel. Hal ini terutama berlaku untuk sosiologi.

Artinya, nilai yang signifikan secara statistik adalah nilai yang probabilitas kemunculannya secara acak sangat kecil atau cenderung ekstrim. Ekstrem dalam konteks ini adalah sejauh mana statistik menyimpang dari hipotesis nol (hipotesis yang diuji konsistensinya dengan data sampel yang diperoleh). Dalam praktik ilmiah, tingkat signifikansi dipilih sebelum pengumpulan data dan, biasanya, koefisiennya adalah 0,05 (5%). Untuk sistem yang sangat penting nilai yang tepat, indikator ini bisa 0,01 (1%) atau kurang.

Latar belakang

Konsep tingkat signifikansi diperkenalkan oleh ahli statistik dan genetika Inggris Ronald Fisher pada tahun 1925, ketika ia mengembangkan teknik untuk menguji hipotesis statistik. Saat menganalisis proses apa pun, ada kemungkinan tertentu terjadinya fenomena tertentu. Kesulitan muncul ketika bekerja dengan persentase probabilitas yang kecil (atau tidak jelas) yang termasuk dalam konsep “kesalahan pengukuran”.

Saat bekerja dengan data statistik yang tidak cukup spesifik untuk diuji, para ilmuwan dihadapkan pada masalah hipotesis nol, yang “mencegah” pengoperasian dengan jumlah kecil. Fisher mengusulkan sistem seperti itu untuk menentukan probabilitas kejadian pada 5% (0,05) sebagai potongan pengambilan sampel yang memungkinkan seseorang menolak hipotesis nol dalam perhitungan.

Pengenalan peluang tetap

Pada tahun 1933 ilmuwan Jerzy Neyman dan Egon Pearson dalam karyanya merekomendasikan untuk menetapkan tingkat signifikansi tertentu terlebih dahulu (sebelum pengumpulan data). Contoh penggunaan aturan tersebut terlihat jelas pada saat pemilu. Katakanlah ada dua kandidat, yang satu sangat populer dan yang lainnya kurang dikenal. Jelas bahwa kandidat pertama akan memenangkan pemilu, dan peluang kandidat kedua cenderung nol. Mereka berusaha keras - tetapi tidak setara: selalu ada kemungkinan force majeure, informasi sensasional, keputusan yang tidak terduga, yang dapat mengubah prediksi hasil pemilu.

Neyman dan Pearson sepakat bahwa tingkat signifikansi Fisher sebesar 0,05 (dilambangkan dengan α) adalah yang paling tepat. Namun, Fischer sendiri pada tahun 1956 menentang penetapan nilai ini. Ia percaya bahwa tingkat α harus diatur sesuai dengan keadaan tertentu. Misalnya, dalam fisika partikel, nilainya adalah 0,01.

nilai tingkat p

Istilah nilai p pertama kali digunakan oleh Brownlee pada tahun 1960. P-level (p-value) merupakan indikator yang masuk hubungan terbalik pada kebenaran hasilnya. Koefisien nilai p tertinggi berhubungan dengan tingkat kepercayaan terendah dalam hubungan sampel antar variabel.

Nilai ini mencerminkan kemungkinan kesalahan yang terkait dengan interpretasi hasil. Misalkan p-level = 0,05 (1/20). Ini menunjukkan kemungkinan lima persen bahwa hubungan antar variabel yang ditemukan dalam sampel hanyalah fitur acak dari sampel. Artinya, jika ketergantungan ini tidak ada, maka dengan mengulangi percobaan serupa, rata-rata, dalam setiap penelitian kedua puluh, kita dapat mengharapkan ketergantungan yang sama atau lebih besar antar variabel. Level-p sering kali dilihat sebagai "margin" untuk tingkat kesalahan.

Omong-omong, nilai p mungkin tidak mencerminkan hubungan nyata antar variabel, tetapi hanya menunjukkan nilai rata-rata tertentu sesuai asumsi. Secara khusus, analisis akhir data juga akan bergantung pada nilai yang dipilih dari koefisien ini. Pada p-level = 0,05 akan ada beberapa hasil, dan pada koefisien sama dengan 0,01 akan ada hasil yang berbeda.

Menguji hipotesis statistik

Tingkat signifikansi statistik sangat penting ketika menguji hipotesis. Misalnya, saat menghitung pengujian dua sisi, daerah penolakan dibagi rata di kedua ujung distribusi pengambilan sampel (relatif terhadap koordinat nol) dan kebenaran data yang dihasilkan dihitung.

Misalkan, ketika memantau suatu proses (fenomena), ternyata informasi statistik baru menunjukkan perubahan kecil dibandingkan nilai sebelumnya. Pada saat yang sama, perbedaan dalam hasil kecil, tidak jelas, namun penting untuk penelitian. Spesialis dihadapkan pada dilema: apakah perubahan benar-benar terjadi atau apakah ini kesalahan pengambilan sampel (ketidakakuratan pengukuran)?

Dalam hal ini, mereka menggunakan atau menolak hipotesis nol (menghubungkan semuanya dengan kesalahan, atau mengakui perubahan dalam sistem sebagai fait accompli). Proses penyelesaian masalah didasarkan pada rasio signifikansi statistik secara keseluruhan (p-value) dan tingkat signifikansi (α). Jika tingkat p< α, значит, нулевую гипотезу отвергают. Чем меньше р-value, тем более значимой является тестовая статистика.

Nilai yang digunakan

Tingkat signifikansinya tergantung pada materi yang dianalisis. Dalam praktiknya, nilai tetap berikut digunakan:

• α = 0,1 (atau 10%);
• α = 0,05 (atau 5%);
• α = 0,01 (atau 1%);
• α = 0,001 (atau 0,1%).

Semakin akurat perhitungan yang diperlukan maka semakin rendah koefisien α yang digunakan. Tentu saja, perkiraan statistik dalam fisika, kimia, farmasi, dan genetika memerlukan akurasi yang lebih besar dibandingkan dalam ilmu politik dan sosiologi.

Ambang batas signifikansi pada area tertentu

Dalam bidang presisi tinggi seperti fisika partikel dan manufaktur, signifikansi statistik sering dinyatakan sebagai rasio deviasi standar (dilambangkan dengan koefisien sigma - σ) relatif terhadap distribusi probabilitas normal (distribusi Gaussian). σ adalah indikator statistik yang menentukan sebaran nilai besaran tertentu relatif terhadap harapan matematis. Digunakan untuk memplot kemungkinan kejadian.

Tergantung pada bidang ilmunya, koefisien σ sangat bervariasi. Misalnya, ketika memprediksi keberadaan Higgs boson, parameter σ sama dengan lima (σ = 5), yang sesuai dengan nilai p = 1/3,5 juta. Dalam studi genom, tingkat signifikansinya bisa 5 × 10 - 8, hal yang biasa terjadi di wilayah ini.

Efisiensi

Harus diingat bahwa koefisien α dan nilai p bukanlah karakteristik yang pasti. Apapun tingkat signifikansi dalam statistik dari fenomena yang diteliti, hal ini bukanlah dasar tanpa syarat untuk menerima hipotesis. Misalnya, dari nilainya lebih sedikitα, semakin besar kemungkinan hipotesis yang diajukan adalah signifikan. Namun, terdapat risiko kesalahan yang mengurangi kekuatan statistik (signifikansi) penelitian.

Peneliti yang hanya fokus pada hasil yang signifikan secara statistik mungkin akan mengambil kesimpulan yang salah. Pada saat yang sama, sulit untuk memeriksa ulang pekerjaan mereka, karena mereka menerapkan asumsi (yang sebenarnya adalah nilai α dan p). Oleh karena itu, selalu disarankan, bersamaan dengan penghitungan signifikansi statistik, untuk menentukan indikator lain - besarnya pengaruh statistik. Besarnya dampaknya adalah ukuran kuantitatif kekuatan efek.

Signifikansi statistik atau tingkat signifikansi p - hasil utama tes

hipotesis statistik. Berbicara bahasa teknis, adalah probabilitas menerima suatu pemberian

hasil penelitian sampel, asalkan memang untuk umum

Secara keseluruhan, hipotesis statistik nol benar - yaitu, tidak ada hubungan. Dengan kata lain, ini

probabilitas bahwa hubungan yang terdeteksi adalah acak dan bukan properti

keseluruhan. Ini adalah signifikansi statistik, yaitu tingkat signifikansi p

penilaian kuantitatif keandalan komunikasi: semakin rendah probabilitas ini, semakin dapat diandalkan koneksinya.

Misalkan ketika dua mean sampel dibandingkan, diperoleh nilai level

signifikansi statistik p = 0,05. Artinya menguji hipotesis statistik tentang

kesetaraan mean dalam populasi menunjukkan bahwa jika benar, maka probabilitasnya

Kemunculan acak dari perbedaan yang terdeteksi tidak lebih dari 5%. Dengan kata lain, jika

dua sampel diambil berulang kali dari populasi yang sama, lalu dalam 1 sampel

20 kasus, perbedaan yang sama atau lebih besar akan ditemukan antara rata-rata sampel ini.

Artinya, terdapat kemungkinan 5% bahwa perbedaan yang ditemukan disebabkan oleh kebetulan.

karakter, dan bukan merupakan properti dari agregat.

Dalam suatu hubungan hipotesis ilmiah tingkat signifikansi statistik adalah kuantitatif

indikator derajat ketidakpercayaan terhadap kesimpulan tentang adanya hubungan, dihitung dari hasil

selektif, pengujian empiris hipotesis ini. Semakin rendah nilai p-level, semakin tinggi

signifikansi statistik dari suatu hasil penelitian yang membenarkan hipotesis ilmiah.

Penting untuk mengetahui apa yang mempengaruhi tingkat signifikansi. Tingkat signifikansi, hal-hal lain dianggap sama

kondisinya lebih tinggi (nilai tingkat p lebih rendah) jika:

Besarnya keterhubungan (perbedaan) semakin besar;

Variabilitas sifat-sifatnya lebih sedikit;

Ukuran sampelnya lebih besar.

Sepihak Uji signifikansi dua sisi

Jika tujuan penelitian adalah untuk mengidentifikasi perbedaan dua parameter umum

agregat yang sesuai dengan berbagai kondisi alamnya ( kondisi hidup,

usia subjek, dll.), maka sering kali tidak diketahui parameter mana yang lebih besar, dan

Yang mana yang lebih kecil?

Misalnya, jika Anda tertarik pada variabilitas hasil tes dan

kelompok eksperimen, maka, sebagai suatu peraturan, tidak ada kepercayaan terhadap tanda perbedaan varians atau

deviasi standar hasil dari mana variabilitas dinilai. Pada kasus ini

hipotesis nolnya adalah variansnya sama, dan tujuan penelitiannya adalah sama

buktikan sebaliknya, yaitu. adanya perbedaan antar varian. Hal itu diperbolehkan

perbedaannya bisa berupa tanda apa pun. Hipotesis seperti ini disebut hipotesis dua sisi.

Namun terkadang tantangannya adalah membuktikan kenaikan atau penurunan suatu parameter;

Misalnya, hasil rata-rata pada kelompok eksperimen lebih tinggi dibandingkan pada kelompok kontrol. Di mana

Tidak diperkenankan lagi perbedaannya boleh berbeda tanda. Hipotesis seperti ini disebut

Berat sebelah.

Uji signifikansi yang digunakan untuk menguji hipotesis dua sisi disebut

Dua sisi, dan untuk satu sisi - unilateral.

Timbul pertanyaan mengenai kriteria mana yang harus dipilih dalam kasus tertentu. Menjawab

Pertanyaan ini berada di luar cakupan metode statistik formal dan sepenuhnya berada di luar cakupan metode statistik formal

Tergantung pada tujuan penelitian. Dalam situasi apa pun Anda tidak boleh memilih satu atau kriteria lain setelahnya

Melakukan eksperimen berdasarkan analisis data eksperimen, sebagaimana adanya

Mengarah pada kesimpulan yang salah. Jika sebelum melakukan percobaan diasumsikan terdapat perbedaan

Parameter yang dibandingkan bisa positif atau negatif, maka Anda harus melakukannya

Signifikansi statistik

Hasil yang diperoleh dengan menggunakan prosedur penelitian tertentu disebut signifikan secara statistik, jika kemungkinan terjadinya secara acak sangat kecil. Konsep ini dapat diilustrasikan dengan contoh melempar koin. Misalkan sebuah koin dilempar sebanyak 30 kali; Kepala muncul 17 kali dan ekor muncul 13 kali. Melakukannya penting penyimpangan hasil ini dari yang diharapkan (15 kepala dan 15 ekor), atau apakah penyimpangan ini acak? Untuk menjawab pertanyaan ini, misalnya Anda dapat melempar koin yang sama berkali-kali, 30 kali berturut-turut, dan sekaligus mencatat berapa kali rasio “kepala” dan “ekor” 17:13 diulang. Analisis statistik menyelamatkan kita dari proses yang membosankan ini. Dengan bantuannya, setelah 30 pelemparan koin pertama, Anda dapat memperkirakan kemungkinan jumlah kemunculan acak 17 “kepala” dan 13 “ekor”. Penilaian seperti ini disebut pernyataan probabilistik.

Dalam literatur ilmiah tentang psikologi industri-organisasi, pernyataan probabilistik dalam bentuk matematika dilambangkan dengan ekspresi R(kemungkinan)< (менее) 0,05 (5 %), которое следует читать как «вероятность менее 5 %». В примере с киданием монеты это утверждение будет означать, что если исследователь проведет 100 опытов, каждый раз кидая монету по 30 раз, то он может ожидать случайного выпадения комбинации из 17 «орлов» и 13 «решек» менее, чем в 5 опытах. Этот результат будет сочтен статистически значимым, поскольку в индустриально-организационной психологии уже давно приняты стандарты статистической значимости 0,05 и 0,01 (R< 0,01). Fakta ini penting untuk memahami literatur, namun jangan diartikan bahwa tidak ada gunanya melakukan observasi yang tidak memenuhi standar ini. Yang disebut hasil penelitian tidak signifikan (pengamatan yang diperoleh secara kebetulan) lagi satu sampai lima kali dari 100) bisa sangat berguna dalam mengidentifikasi tren dan sebagai panduan untuk penelitian di masa depan.

Perlu juga dicatat bahwa tidak semua psikolog setuju dengan standar dan prosedur tradisional (misalnya, Cohen, 1994; Sauley & Bedeian, 1989). Masalah pengukuran adalah masalah itu sendiri tema utama pekerjaan banyak peneliti yang mempelajari keakuratan metode pengukuran dan asumsi yang mendasari metode dan standar yang ada, serta mengembangkan dokter dan instrumen baru. Mungkin suatu saat nanti, penelitian mengenai kekuatan ini akan membawa perubahan pada standar tradisional untuk menilai signifikansi statistik, dan perubahan ini akan diterima secara luas. (Divisi Kelima American Psychological Association adalah sekelompok psikolog yang mengkhususkan diri dalam studi penilaian, pengukuran, dan statistik.)

Dalam laporan penelitian, pernyataan probabilistik seperti R< 0,05, karena beberapa statistik, yaitu bilangan yang diperoleh sebagai hasil serangkaian prosedur komputasi matematis tertentu. Konfirmasi probabilistik diperoleh dengan membandingkan statistik tersebut dengan data dari tabel khusus yang diterbitkan untuk tujuan ini. Dalam penelitian psikologi industri-organisasi, statistik seperti r, F, t, r>(baca “chi persegi”) dan R(baca "banyak" R"). Dalam setiap kasus, statistik (satu angka) yang diperoleh dari analisis serangkaian observasi dapat dibandingkan dengan angka-angka dari tabel yang dipublikasikan. Setelah itu, Anda dapat merumuskan pernyataan probabilistik tentang peluang diperolehnya bilangan tersebut secara acak, yaitu menarik kesimpulan tentang pentingnya pengamatan.

Untuk memahami kajian-kajian yang diuraikan dalam buku ini, cukup memiliki pemahaman yang jelas tentang konsep signifikansi statistik dan belum tentu mengetahui cara menghitung statistik yang disebutkan di atas. Namun, akan bermanfaat jika membahas satu asumsi yang mendasari seluruh prosedur ini. Ini adalah asumsi bahwa semua variabel yang diamati berdistribusi normal. Selain itu, ketika membaca laporan penelitian psikologi industri-organisasi, sering muncul tiga konsep lain yang memainkan peran penting - pertama, korelasi dan komunikasi korelasional, kedua, variabel determinan/prediktif dan “ANOVA” (analisis varians), di - ketiga, sekelompok metode statistik dengan nama umum “meta-analisis”.