Psikolojik araştırmalarda, özellikle küçük örnek boyutlarıyla çalışırken, uygun istatistiksel testin geçerli sonuçları çizim temeldir. Fisher'in tam test, teorik temelleri pratik uygulama ve yorumlamak için kullanılan bir istatistiksel hipotez testidir.

Fisher'in Exact Testi Nedir?

Fisher'in tam testi, örnek büyüklüğün birçok istatistiki hipotezden sapmanın önemi nedeniyle (örneğin, p-değer) tam olarak hesaplanabilir, örneğin, Muriel'den gelen bir yoruma güvenmek yerine, testin ilk kez ünlü bir istatistik felsefesi tarafından geliştirildiğini tespit edebilir ve onun mucit Ronald Fisher tarafından test edilen ve onun muciti tarafından test edilen "dedi.

Fisher'in tam testi, iki kategorical değişken arasında istatistiksel olarak önemli bir ilişki olup olmadığını belirler. Ayrıca küçük bir örnek büyüklüğüne sahipken 2 milyonluk bir oran testi için kullanabilirsiniz.

Psikolojide Amaç ve Uygulamaları

Test, iki farklı şekilde nesneleri sınıflandırmak için kullanılan kategorik veriler için faydalıdır; bu, iki tür sınıflandırma arasındaki ilişkinin önemini incelemek için kullanılır. psikolojik araştırmalarda, bu tedavi koşulları ve sonuçları, demografik değişkenler ve davranışsal cevaplar veya tanı kategoriler ve müdahale başarı oranları arasındaki ilişkileri inceleyebilir.

Psikolojik araştırmacılar genellikle örnek boyutlardaki sınırlı katılımcı erişilebilirliği, nadir klinik popülasyonlar, özel deneysel koşullar veya kaynak sınırlamaları gibi pratik kısıtlamalar nedeniyle nadiren küçük olan durumlarla karşılaşırlar.Bu senaryolarda, Fisher'in Exact testi önemli bir analitik araç haline gelir.

Fisher'in Exact Testini Kullanacak Zaman

Örnek Boyut Tahminleri

Bir veya daha fazla hücre değeri kontingency masasında küçük (daha az 5). Tüm değerler 5'ten daha fazla olduğunda, chi-squared testi yerine yapılmalıdır. Bu, Fisher'ın Exact Testini alternatif yöntemler üzerinden seçmenin birincil kriteridir.

Pratikte, örnek boyutlarda küçükken kullanılır, tüm örnek boyutlarda geçerlidir. Ancak, Fisher'in tam testi, örneklerin büyük olduğu zaman teorik olarak geçerlidir, bu hesaplamalı yoğundur ve bu yüzden genellikle sadece küçük örnekler için kullanılır.

Data Type Gereksinimler

Fisher'in Exact testi uygun olması için, verileriniz belirli kriterleri karşılamalıdır:

  • Categorical Değişkenler: Her iki değişken de kategorik ve ikili olmalıdır, yani iki değerden birini alabilir, böylece 2 x 2 kontingency masasının da bulunduğu anlamına gelir.
  • Gözlemlerin Bağımsızlığı: Gözlemlerin bağımsızlığı – değişken olarak eşlenmemeli veya ilgili olmamalıdır. Her gözlem diğerlerinden bağımsız olmalıdır.
  • Karşılıklı olarak Exclusive Grupları: Karşılıklı olarak özel gruplar – bireysel kontingency masasında birden fazla hücreye ait olamaz.
  • Küçük Beklenilen Frequencies: Literatür, ⁇ 2 nin yakınlaştırmanın yeterli olup olmadığını karar vermenin her zamanki kuralının Chi-square testinin, kontingency table hücrelerinin birinde beklenen değerlerin 5'ten daha az olduğunu ve bu durumda Fisher'in tam testi tercih edilir.

Chi-Square Testiyle Karşılaştırma

İkisi de aynı amaca hizmet ediyorlar - kedisel değişkenler arasındaki bir ilişki değerlendirmek. Ancak, altta yatan metodolojideki farklılıklar her yöntemi kullanmanız gerektiğinde etkiler.

Chi-Square Bağımsızlığı Testi, bir test istatistiki (chi-square) kullanan daha geleneksel bir hipotez testidir ve küçük hücreyi hesaplamak için örnekleme dağılımıdır.

Fisher'in tam testi tam bir olasılık hesaplar ve küçük örnek boyutlarda veya düşük beklenen hücre sayısı için idealdir, ancak chi-squared testi, beklenen 5 yaşın altındaki sayıyı ölçebilecek büyük bir yaklaşım kullanır.Bu temel fark, Fisher'in Exact Test küçük örnek araştırma için altın standardı yapar.

İstatistik Teorisini Anlamak

Hipergeometri Dağıtımı

Fisher tam test, chi-square testine biraz farklı çalışır (veya aslında diğer hipotez testlerinden herhangi biri) bir test istatistiki yoktur; p-değer "yön" hesaplaması gerekir.

Fisher'in tam testi, verilerde gözlemlenen verilerle yapılır (bu, çıplak hipotezler olarak adlandırılır) Diğer bir deyişle, tüm olası 2 x 2 tabloları kullanarak, bunun tüm olası versiyonlarının marjinal toplamlar ve sütunlar altında meydana gelebileceği gibi, iki değişken arasındaki ilişki hakkında anılır.

Fisher'in Exact Testinde Hipotezler

Fisher'in kesin testinin hipotezleri, Chi-square testi için aynıdır, bu: H0: değişkenler bağımsızdır, iki kategorik değişken arasında bir ilişki yoktur.Bir değişkenin değerini bilmek diğer değişkenin değerini tahmin etmenize yardımcı olmaz. H1: değişkenler bağımlıdır, iki kategorik değişken arasında bir ilişki vardır.

Test yaparken, aslında soruyorsunuz: “Eğer bu değişkenler arasında gerçekten bir ilişki yoksa, verileri aşırı olarak gözlemleme olasılığı nedir, ya da daha aşırı gözlemlediğimiz şey nedir?”

Asmlar ve Sınırlar

Test, kontingency masasının tüm sıra ve sütun özetlerinin tasarım tarafından düzeltildiğini ve bu ayarın dışında muhafazakar ve güçlü olma eğiliminde olduğunu varsaymaktadır. Bu, sonuçları yorumlarken, testin bazı araştırma tasarımlarında biraz muhafazakar olabileceğinin önemli bir parçasıdır.

Bir veya her iki satır veya sütun toplamı tamamlanmadığında, Fisher'in tam testi kesinlikle konuşmaz, tam olarak. Bunun yerine, biraz muhafazakar, yani null hipotezi doğruysa, zamanın% 5'inden daha az önemli bir değer elde edeceksiniz.

Fisher'in Exact Testini Yapmak için Adım-Adım Guide

Adım 1: Verilerinizi bir Kıyma Masasına Organize

Bir 2 x 2 kontingency masası, bazen bir çapraz-tabıklık veya iki yönlü masa olarak adlandırılır, hücre değerlerinde görüntülenen istatistiklerde, iki katalizli değişkenin her kombinasyonunda bulunan kullanışlı bir araçtır.

İlk adım, verinizi açık, organize bir formatta düzenlemektir. 2×2 kontingency masasının her kombinasyonunuzun olası iki ikili değişkenlerini temsil etmesi dört hücreye sahiptir. Örneğin, terapi türü (Treatment A vs. Treatment B) ve sonuç (Improv vs. Not Improv), masanızın her kombinasyonuna sahip olacağını gösterir.

Masa dahil edilmelidir:

  • Row toplams (her satır için toplam)
  • Köşe toplamları (her sütun için toplamlar)
  • Grand total (toplam sayıda gözlem)
  • Her değişken ve kategori için Clear etiketler

2. Adım: As Effectss

Testle devam etmeden önce, verilerinizin gerekli varsayımlarla buluştuğunu doğrulama:

  • Her iki değişken de her iki kategoriyle kategoriktir
  • Gözlemler bağımsızdır (bir katılımcı birden fazla hücrede görünür)
  • Kategoriler karşılıklı olarak özeldir
  • En az bir hücre 5'ten daha az beklenen bir frekansa sahiptir veya toplam örnek büyüklüğü küçük küçük

Chi-square ve Fisher testi arasında karar vermeden önce beklenen frekansları kontrol etmek iyi bir uygulamadır, en küçük beklenen frekansların 5.'ten daha düşük olduğu anlamına gelir, R'de (kolay test) test etmeyi unuttuysanız, bu uyarıda, Chi-square testinin doğru şekilde kullanılması gerektiği konusunda sizi uyarır.

Adım 3: Kayıt Düzeyinizi Belirlen

Test yapmadan önce, alfa seviyenizi (emificance level) psikolojik araştırmada, geleneksel önem seviyesi α = 0.05, araştırma bağlamına bağlı olarak daha sıkı bir seviye (örneğin, 0.01) seçebilirsiniz.

Adım 4: Bir-Tailed ve İki-Tailed Testler Arasında Seçin

H0:p1 / p2 = {{0 H1'e karşı: p1 / p2 ⁇ 0; Bu genellikle iki ayarlı test olarak adlandırılır. H0:p1 / p2 ⁇ 0 karşı H1: p1 / p2 > {{0; bu genellikle üst sıralı test olarak adlandırılır.

Ruxton ve Neuhauser (2010) dergi Davranışsal Ekoloji ve Sociobiology'de makaleler inceledi ve bir haritalı Fisher'ın kesin testlerinin sonuçlarını raporlamış, iki örnek daha uygun olurdu. iki haritalı bir şekilde bazı istatistikler ve programlar iki haritalı Fisher'in testleri hakkında tartışmalar.

İki ayarlı bir test, değişkenler arasında herhangi bir ilişki tespit etmekle ilgilendiğinizde uygundur, yön ne olursa olsun.Bir çekimli test sadece verileri toplamadan önce ilişkinin yönünü tahmin etmek için güçlü bir teorik nedene sahip olmanız gerekir.

Adım 5: Exact Probability'i hesaplayın

Fisher'in Exact Testi, basit 2×2 tablolar için el ile hesaplanabilirken, bu nadiren pratiktir. hesaplama, bir kumar fonksiyonuna ve son derece tartışmalı bir şekilde uygulanabilir.Gerçek hesaplamalar, hipergeometri ve binomial olasılıklar tarafından yapılan hesaplamalar aktif bir araştırma alanıyla sonuçlanabilir.

Modern istatistik yazılımı bu hesaplamaları verimli ve doğru bir şekilde ele alır. Yazılım, belirli masa yapılandırmanızı gözlemleme olasılığını hesaplayacaktır, ayrıca daha aşırı yapılandırmaları da marjinal toplamlara verilen.

Adım 6: Sonuçları Yorum

Çıktıdan, p-değerin% 5'in önemli seviyesinden daha az olduğunu görüyoruz. Başka bir istatistiksel test gibi, eğer p-değer anlamlılık anlamlı düzeyden daha azsa, null hipotezini reddedebiliriz.

Sonuçlarınızı yorumlarken:

  • Eğer p-değer ≤ α: null hipotezini yeniden ele alalım. İki değişken arasında istatistiksel olarak önemli bir ilişki var olduğu sonucuna varmak için yeterli kanıt var.
  • Değer ve değer; α: null hipotezini reddetme. Bir ilişkinin değişkenler arasında var olduğu sonucuna varmamak için yeterli kanıt yoktur.

Örnek veriler, kedisel değişkenler arasındaki ilişkinin popülasyonda var olduğu sonucuna varmak için yeterince güçlüdür.Bir değişkenin değerini bilmek diğer değişkenin değeri hakkında bilgi sağlar.

Detaylı Örnek: Terapi Etkililiği Çalışması

Psikolojik araştırmalarla ilgili kapsamlı bir örnekle çalışalım.Bir klinik psikolog yeni bir bilişsel-davıl terapisi (CBT) müdahale, ergenlerde sosyal kaygıyı azaltmak için standart tedaviden daha etkili. Nüfus ve kaynak kısıtlamalarının özel doğası nedeniyle, çalışma sadece 20 katılımcıyı içerir.

Çalışma Tasarım

  • Bağımsız Değişken: Tedavi türü (Yeni CBT vs. Standart Tedavi)
  • Bağımlı Değişken: Klinik sonuç (Clinically Önemli İyileştirme vs. Klinik olarak Önemli İyileştirme)
  • Örnek Boyut: 20 katılımcı (10 her tedavi grubunda)

Data Collection and Organization

Müdahale dönemi sonra, psikolog her katılımcıyı değerlendirir ve klinik olarak önemli bir gelişme gösterip gösterip gösterildikten sonra (standart bir sosyal kaygı ölçüsinde en az% 30 azaltılabilir olarak tanımlanır). Veriler 2×2 kontingency masasında düzenlenir:

Katılımcı:

  • Yeni CBT - Improv: 8 katılımcı
  • Yeni CBT - İyileştirilmedi: 2 katılımcı
  • Standart Tedavi - Improv: 3 katılımcı
  • Standart Tedavi - İyileştirilmedi: 7 katılımcı

Analizleri

Psikolog, sadece 20 toplam katılımcı ve küçük sayılara sahip bazı hücrelerle, Fisher'in Exact Testi uygun bir seçimdir. İstatistiksel yazılım kullanarak, konency table verilerini girdiler ve α = 0.05 ile iki ayarlı bir test belirtmişlerdir.

Çıktıyı yorumlamak

Yazılım birkaç bilgi içeriyor:

  • P-değer: Verileri bu aşırı veya daha aşırı gözlemleme olasılığı null hipotezi altında
  • Odds Oran: Bir etki boyutunun bir ölçü, birliğin gücünü gösterir
  • Güven Interval: Gerçek oran oranının büyük olasılıkla düştüğü aralıklar düşer

P-değer 0.028 (p>0.05'ten az), psikolog null hipotezini reddedecek ve tedavi tipi ve klinik sonuç arasında istatistiksel olarak önemli bir ilişki olduğu sonucuna varacaktır.

Fisher'in Exact Test Için Yazılım ve Araçlar

İstatistiksel Yazılım Paketleri

Çoğu modern istatistik paketi, Fisher testlerinin önemini hesaplamak, bazı durumlarda chi-squared'in yakınlaşmanın da kabul edilebilir olacağını varsayacaktır. İşte Fisher's Exact Test'i yürütmek için birincil seçenekler:

R İstatistiksel Yazılım

R, Chi-square testi için yaptığınız gibi balık testini yapmak için, temel sözcüler basit ve R, değer, oran ve güven aralıkları dahil olmak üzere kapsamlı bir çıktı sunar.

R özellikle avantajlıdır çünkü ücretsiz, kapsamlı bir belgeye sahiptir ve araştırma topluluğu tarafından yaygın olarak desteklenmiştir. Birçok psikoloji bölümü R'yi istatistikler müfredatının bir parçası olarak öğretir.

SPSS

Varsayılan olarak, SPSS, 2 × 2 kontingency tablolarında chi-square uygularken Fisher'i hesaplar.Bu, SPSS'yi özellikle kullanıcı dostu olarak komut satırı arayüzleriyle rahat olmayabilir. SPSS otomatik olarak Fisher's Exact Test sonuçlarını 2 × 2 tabloları analiz ederken ve diğer masalara 2 × 2'den fazla indirmeniz gerekir, Crosstab dialog kutusunda Exactbox'ta Exact.

Python Python Python Python

Programlama ile rahat araştırmacılar için, Python, Fisher'in Exact Testini SciPy kütüphanesi aracılığıyla sunuyor. Python psikolojik araştırmalarda giderek popüler, özellikle de hesaplama modelleme veya makine öğrenme analizlerini yürüten araştırmacılar için.

Online Hesaplayıcılar

Hızlı analizler veya istatistiksel yazılım kolayca mevcut değilse, birkaç güvenilir online hesaplayıcısı Fisher'in Exact Testini gerçekleştirebilir:

Bu online araçlar özellikle öğretim amaçları, hızlı sonuçlar doğrulaması veya bilgisayar üzerinde kurulu olmayan bilgisayarlar üzerinde çalışırken yararlıdır.

Raporlama Fisher'ın Exact Test Sonuçları

Temel Elements to Report

Fisher'in kesin test sonuçlarını yorumlayan ve rapor eden zaman, tam değerin eklenmesi önemlidir,% 95 güven aralığı ile birlikte oran oranını sağlar ve bir veya iki taraflı testin gerçekleştirildiği açıkça belirtilmelidir. Sonuçlar, okuyucuların bulguların gerçek dünya önemini anlamalarına yardımcı olmak için pratik bir bağlamda desteklenmeli.

Fisher'in Exact Test sonuçlarının tam bir raporu şunları içermelidir:

  • Tam değer (sadece "p < değil; 0.05")
  • Test adı (Fisher'in Exact Testi)
  • Test bir ya da iki ayarlı olup olmadığı
  • Oran oranı ve güven aralığı
  • Her grup için örnek boyut
  • Sonuç hakkında açık bir açıklama

Örnek Raporlama Biçimi

İşte Fisher'in APA tarzındaki Exact Test sonuçlarını nasıl raporlayacağının bir örneği:

"A Fisher'in Exact Testi, tedavi tipi ve klinik sonuç alanlarla ilgili ilişkiyi incelemek için yapıldı. Sonuçlar, tedavi tipi ve iyileştirme durumu (p = 0.028, iki aktılı) arasında istatistiksel olarak önemli bir gelişme (%8) daha büyük bir ilişki göstermiştir.

Görsel Sunum Görsel Sunum

İstatistik sonuçları önemli olsa da, görsel sunum da anlayış geliştirir.

  • Frekans ve yüzdelerle açık bir etiketli bir tablo
  • Bir bar grafiği veya mozaik arsa, kategorilerin arasındaki dağılımı gösterir
  • Etkisi boyut görselleştirmeleri uygun olduğunda

Ortak Pitfalls ve Them'dan Nasıl Kaçırmak

Bağımsızlıktan Ayrılma

En yaygın hatalardan biri bağımsızlık varsayımını ihlal ediyor. Her gözlem diğerlerinden bağımsız olmalıdır.

  • Hiçbir katılımcı birden fazla hücrede görünemez
  • Aynı katılımcıların tekrarlanan önlemleri bağımsızlık ihlal ediyor
  • Eşleştirilmiş çift veya ilgili örnekler farklı testlere ihtiyaç duyar (örneğin McNemar’ın testi gibi)

Inappropriate One-Tailed Testlerin Kullanımı

Araştırmacılar bazen istatistiksel önemini elde etmek için tek yönlü testler uygunsuz bir şekilde kullanırlar. Bir örnek alma kararının veri toplamadan önce yapılması gerektiğini unutmayın, güçlü teorik nedenlerle, verileri gördükten sonra değil.

Etkisi Ignoring Etkisi Boyut

İstatistiksel önem mutlaka pratik önem anlamına gelmez. Her zaman etki boyutunu (örneğin oran oranları gibi) p değerlilerle birlikte yorumlayabilme. Çok küçük bir etki büyüklüğü ile istatistiksel olarak anlamlı olmayabilir.

Düzeltmeler olmadan Birden Çok Karşılaştırma

Birden fazla Fisher'in Exact Testleri aynı veri kümesi üzerinde çalışırken, Tip I hatalarının riski artar. Uygun düzeltmeleri (örneğin Bonferroni düzeltmesi) birçok test yaparken.

İstatistiksel ve Klinik Significance

Psikolojik ve klinik araştırmalarda, istatistiksel önem klinik veya pratik önem bağlamında yorumlanmalıdır. istatistiksel olarak önemli bir bulgu anlamlı gerçek dünya etkisine tercüme edilemez.

Dahililer ve Alternatifler

Büyükleştirme Eşleştirme Masaları

Ancak testin prensibi, bir m × n masasının genel durumuna genişletilebilir ve bazı istatistiksel paketler bir hesaplama sağlar (bazen bir Monte Carlo yöntemi kullanarak daha genel bir durumda).

2×2'den daha büyük masalarla çalışırken, hesaplamanın önemli ölçüde artmasını sağlayın. Birçok yazılım paketi, Monte Carlo simülasyon yöntemlerini daha büyük tablolar için tam değerle ilgili olarak kullanır.

Alternatif Exact Testleri

Alternatif bir test, Barnard'ın tam testi, bu yöntemin daha güçlü olduğunu, özellikle 2×2 tabloda daha güçlü olduğunu öne sürüyor ve finanse edilen bir testtir.

Ancak, Statisticians, Fisher'in tam testine alternatifler hakkında tartışmaya devam ediyor, ancak gelişmeler Barnard'ın testi veya Boschloo'nun testi ile ilgili önemli maliyetle, ya da Suissa ve Shuster'ın testi yerine, ya da diğer birçok alternatifin herhangi birilerini Fisher'in testini kullanarak önemli bir sonuç elde ettiğini düşünüyorlardı.

Güç ve Örnek Boyut Tahminleri

İstatistiksel Güç Anlayışı Anlamak

İstatistiksel güç, var olduğunda gerçek bir etki tespit etme olasılığıdır. Küçük örnek boyutlarda, istatistiksel güç genellikle sınırlıdır. Bu test için çok küçük örnek boyutlarda geçerli olsa da, istatistiksel gücü azaltmak, anlamlı sonuçlar elde etmek zor olabilir.

Fisher'in Exact Testini kullanacak bir çalışma planlarken, düşünün:

  • Önceki araştırma veya pilot verilere dayanan beklenen etki büyüklüğü
  • İstenen güç seviyesi (tipik olarak 0.80 veya% 80)
  • Anahtar seviyesi (tipik olarak 0.05)
  • Örnek boyut üzerindeki pratik kısıtlamalar

Örnek Boyut Planlaması

Fisher'in tam testi, örnek büyüklüğü küçük olduğunda uygulanabilir ve bir veya daha küçük hücreler (< 5). Bu nedenle, Fisher ' aşağıdaki farklı örnek boyut hesaplama prosedürü uygulanır; örnek büyüklüğü küçük olduğunda tam test uygulanır.

Özelleştirilmiş yazılım veya online hesaplayıcılar, belirli bir büyüklükteki bir etki tespit etmek için yeterli güce sahip olması için gerekli minimum örnek boyutunu belirlemeye yardımcı olabilir. Ancak, birçok psikolojik araştırma bağlamında, örnek boyut katılımcı erişilebilirlik veya kaynak sınırlamaları gibi pratik faktörler tarafından kısıtlanır.

Psikolojik Araştırmalarda Gerçek Dünya Uygulamaları

Klinik Psikolojik Psikolojik Psikolojik Psikolojik Psikolojik Psikolojik Psikolojik Psikolojik Psikolojik Psikolojik Psikoloji

Fisher'in Exact Testi, küçük örneklerle tedavi sonuçlarını değerlendirmek için klinik psikoloji araştırmalarında sıklıkla kullanılır:

  • Pilot çalışmalardaki tedavi ve kontrol grupları arasındaki yanıt oranları karşılaştırmak
  • Tanık kategoriler ve tedavi bağlılık arasındaki ilişkiyi incelemek
  • Küçük klinik denemelerde olumsuz olay oranları analiz edin
  • comorbid koşulları ve tedavi sonuçları arasındaki ilişkileri araştırmak

Geliştirme Psikolojik Psikoloji

Geliştirme araştırmacıları genellikle özel veya sert-to-recruit popülasyonlarla çalışır, Fisher'in Exact Testi özellikle değerli hale getirir:

  • Farklı gruplar arasında gelişimsel dönüm başarılarını incelemek
  • Uzun süreli çalışmalarla kategorize edilen kateltolojik sonuçlar intrition categorical results in longitudinal Studies with attrition
  • Erken risk faktörleri ve daha sonraki sonuçlar arasındaki ilişkileri araştırmak
  • Nadir gelişim bozuklukları veya koşulları incelemek

Sosyal Psikoloji

Sosyal psikologlar, çalışma sırasında Fisher'in Exact Testini kullanabilir:

  • Grup karar verme süreçleri küçük gruplar halinde
  • Deneysel manipülasyonlara yönelik kategorik cevaplar
  • demografik değişkenler ve davranışsal seçimler arasındaki ilişkiler
  • Deneysel paradigmaların Pilot testleri

Nöropsichology

Nöropsikolojik araştırmada, küçük örnek boyutları hasta popülasyonlarının özel doğası nedeniyle yaygındır:

  • Performans kategorileri (nedensiz vs.) hasta gruplar arasında karşılaştırmak
  • lesion konumu ve fonksiyonel sonuçlar arasındaki ilişkileri incelemek
  • Kedili nöropsikolojik test sonuçları
  • Sinirsel koşullar ve davranışsal semptomlar arasındaki ilişkileri araştırmak

Gelişmiş Tahminler

Tied P-Values ile anlaşma

Çünkü Fisher'in Exact Testi, ayrı olasılık dağıtımlarını kullanır, p değerlileri bağlanabilir. Farklı yazılım paketleri bazen küçük diskrepanzilere yol açabilir, bu genellikle yorum için bir endişe değildir, ancak farklı yazılımlarla karşılaştırma sonuçları karşılaştırırken değerlemez.

Mid-P Düzeltme

Bazı istatistikçiler, Fisher'in Exact Testini daha az muhafazakar hale getirebilen bir orta-parma düzeltmesi kullanmayı savunuyorlar. orta değer standart Fisher'ın tam değerlerinden alınan tablonun yarısını ortadan kaldırmakla hesaplanır. Bu yaklaşım tartışmalıdır ve bunu kullanırsanız açıkça belirtmelisiniz.

Odds için Güven Intervals Oranları

Farklı yöntemler, Fisher'in Exact Testinde oran oranları için güven aralıklarını hesaplamak için mevcuttur. Çoğu yazılım paketi, testin tam doğasını koruyan yöntemler kullanır, ancak belirli bir algoritma değişebilir.Bu nadiren yorumlanabilir, ancak yazılım paketlerine güven aralıklarında küçük farklılıklar gösterebilir.

Küçük Örnek Araştırmada Etik Bakışlar

Raporlamada Şeffaflık

Küçük örneklerle araştırma yaparken, şeffaflık önemlidir. Araştırmacılar şunları yapmalıdır:

  • Açıkçası küçük örnek boyutunu haklı çıkarır
  • İstatistiksel güçle ilgili bilgi sınırlamaları
  • Tüm analizler yapıldı, sadece önemli bulgular değil
  • Bulguların genelizability of bulguları tartışın
  • Mümkün olduğunda analizlerin önceden- ⁇ ini düşünün

P-Hacking

Küçük örneklerle, önemi bulmak kadar çok analiz yapma isteği güçlü olabilir. Araştırmacılar bu günaha karşı direnmeli ve:

  • Veri toplamadan önce Plan analizleri
  • Tüm analizler
  • Birden çok karşılaştırma için uygun düzeltmeler uygulayın
  • Onaylayıcı ve açıklayıcı analizler arasında ayrım yapmak

Replication ve Validation

Küçük örnek çalışmalarla ilgili bulgular, bağımsız örneklerde dikkatli ve ideal olarak tekrarlanmalıdır. Araştırmacılar şunları yapmalıdır:

  • Frame bulguları uygun olduğunda ön olarak
  • Encourage replication çabaları
  • Küçük çalışmalarla bulguları birleştirmek için meta-analytic yaklaşımları düşünün
  • Küçük örnek araştırmalarının açıklayıcı doğası hakkında şeffaf olun

Başarı için Pratik İpuçları

Data Collection Önce

  • Fisher'in Exact Testi'nin araştırma sorunuz için uygun olup olmadığını belirleme
  • Örnek boyutunuzun sınırlamalarını anlamak için bir güç analizi yapın
  • Analiz planınızı mümkün olduğunda kayıt edin
  • Değişkenlerinizi sağlamak gerçekten kategorik ve ikili
  • Kayıp verileri nasıl idare edeceğiniz için plan

Data Collection sırasında

  • Gözlemlerin katı bağımsızlığını korumak
  • Planlanan protokolden herhangi bir sapma
  • Sonuçlar tutarlı kategorize edilebilirliği sağlamak
  • Tüm veri toplama prosedürlerinin ayrıntılı kayıtlarını tut

Analiz sırasında Analiz sırasında

  • Testlerin test yapmadan önce karşılandığını teyit edin
  • Güvenilir, iyi eğitimli istatistiksel yazılım kullanın
  • Çift kontrol veri girişi ve masa inşaatı
  • Sadece "p <" yerine tam değerler; 0.05"
  • Hesaplama ve rapor etkisi boyutları
  • Uygun analizleri uygun olarak düşünün

Yazının Çıktıları Ne Zaman

  • Tam tanımlayıcı istatistikler sağlayın
  • Açık bir kontingency masası ekleyin
  • Tüm ilgili test istatistikleri
  • Pratikteki bulguları yorumlayın, sadece istatistiksel değil, terimler
  • Örnek boyut ile ilgili bilgi sınırlamaları
  • Gelecekteki araştırma için etkileri tartışın

Öğrenme Kaynakları ve Daha Fazla Okuma

Araştırmacılar, Fisher'ın Exact Test ve küçük örnek istatistikler anlayışını derinleştirmek isterler, birkaç mükemmel kaynak mevcuttur:

Textbooks and Academic Resources

  • İstatistiksel ders kitapları özellikle kategorik veri analizine hitap ediyor
  • Küçük örnek istatistikler üzerinde bölümlerle araştırma yöntemleri ders kitapları
  • Online istatistikler, non-parametrik olmayan yöntemlere odaklanır
  • Üniversite istatistiki bölüm web siteleri öğretici malzemelerle

Online Topluluklar ve Destek

  • Araştırmacıların sorular sorabileceği istatistik forumları
  • R kullanıcı grupları ve posta listeleri
  • Akademik sosyal medya toplulukları araştırma yöntemlerine odaklandı
  • YouTube, istatistiklerle ilgili kılavuzlarla kanal

Yazılım Dokümantasyon

  • Balık için resmi R belgeleri.test() işlevi
  • SPSS kullanıcı kılavuzları ve öğreticileri
  • Python SciPy Belgeleme
  • Yazılıma özgü kullanıcı forumları ve topluluklar

Psikolojide istatistiksel analiz üzerine ek rehberlik için, kaynakları psikolojide keşfedin Amerikan Psikoloji Derneği Ve ve Psikolojik Bilim Derneği.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Fisher'in Exact Testi, küçük örnek boyutlarda ve kategorik verilerle çalışan psikolojik araştırmacılar için vazgeçilmez bir araçtır, bu test, iki değişkenin ilgili olup olmadığını belirlemek için güvenilir bir yöntem sunar.

Fisher'in Exact Testini ne zaman kullanacağını ve yorumlayacağımızı ve sonuçları nasıl şeffaf bir şekilde raporlayabildiğini anlamak için araştırmacılar sınırlı verilerden geçerli sonuçlar çıkarabilirler. Küçük örnek boyutlarda mevcut doğal zorluklar olsa da, Fisher'in Exact testi, kediel ilişkileri analiz etmek için titiz bir istatistiksel çerçeve sunar.

Fisher'in Exact Test'in başarılı uygulanması, şüphelilere, şeffaf raporlamaya ve psikolojik teori ve pratik bağlamında sonuçların uygun yorumuna uymayı önemsemektedir. Psikolojik araştırma, uzmanlaşmış popülasyonlar ve nadir fenomenler içeren sorularla pratik devam ettikçe, Fisher'in Exact testi, araştırmacının istatistiksel aracında kritik bir araç olarak kalacaktır.

İstatistiksel öneminin sadece bir parça bulmaca olduğunu unutmayın. Etkisi boyutları, güven aralıkları, replikasyon ve teorik tutarlılık, tüm psikolojik bilgi sağlam bir vücut inşa etmeye katkıda bulunur. Fisher's Exact Test gibi titiz istatistik yöntemleri kullanarak, araştırmacılar küçük örneklerle çalışırken psikolojik bilime anlamlı katkılar yapabilirler.