Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phân Biệt Giữa Ý Nghĩa Thống Kê và Ý Nghĩa Thực Tiễn/ Lâm Sàng Sử Dụng Suy Diễn Thống Kê
Tóm tắt
Các quyết định về việc hỗ trợ cho các dự đoán lý thuyết dựa trên dữ liệu được thực hiện thông qua suy diễn thống kê. Phương pháp chi phối trong khoa học thể thao và thể dục là phương pháp kiểm định ý nghĩa Neyman–Pearson (N–P). Khi được áp dụng đúng cách, phương pháp này cung cấp một quy trình đáng tin cậy để đưa ra các quyết định nhị phân chấp nhận hoặc bác bỏ giả thuyết không có hiệu ứng (null hypothesis) với tỷ lệ lỗi dài hạn đã biết và được kiểm soát. Tỷ lệ lỗi loại I và loại II phải được xác định trước và loại II phải được kiểm soát bằng cách thực hiện tính toán kích thước mẫu a priori. Phương pháp N–P không cung cấp xác suất cho các giả thuyết hoặc chỉ ra mức độ hỗ trợ cho các giả thuyết dựa trên dữ liệu, mặc dù nhiều nhà khoa học tin rằng nó có thể. Kết quả của các phân tích chỉ cho phép đưa ra kết luận về sự tồn tại của các hiệu ứng khác không bằng không (non-zero effects), và không cung cấp thông tin về kích thước có thể của các hiệu ứng thực sự hoặc giá trị thực tiễn/lâm sàng của chúng. Suy diễn Bayesian có thể chỉ ra mức độ hỗ trợ mà dữ liệu cung cấp cho các giả thuyết khác nhau, và cách mà niềm tin cá nhân nên được điều chỉnh dựa trên dữ liệu, nhưng phương pháp này gặp khó khăn trong việc xây dựng các phân phối xác suất về các ước lượng chủ quan trước đó của các hiệu ứng trên toàn bộ dân số. Một giải pháp thực tiễn là suy diễn dựa trên độ lớn, cho phép các nhà khoa học ước tính được độ lớn thực sự của các hiệu ứng trên toàn bộ dân số và xác suất chúng sẽ vượt qua một độ lớn hiệu ứng có ý nghĩa thực tiễn/lâm sàng, do đó tích hợp các yếu tố của tư duy kiểu Bayesian chủ quan. Mặc dù phương pháp này đang ngày càng được chấp nhận, nhưng tiến trình có thể được thúc đẩy nếu các nhà khoa học nhận thức được những thiếu sót của phương pháp kiểm định ý nghĩa giả thuyết không truyền thống N–P.
Từ khóa
#suy diễn thống kê #kiểm định ý nghĩa #giả thuyết không #hiệu ứng thực tiễn #suy diễn Bayesian #độ lớn hiệu ứngTài liệu tham khảo
Popper KR. The logic of scientific discovery. 6th ed. London: Hutchinson & Co Ltd; 1972.
Popper KR. Conjectures and refutations: the growth of scientific knowledge. 4th ed. London: Routledge and Kegan Paul Ltd; 1972.
Ziliak ST, McClaskey DN. The cult of statistical significance: how the standard error costs us jobs, justice, and lives. Michigan: University of Michigan Press; 2008.
Batterham AM, Hopkins WG. Making meaningful inferences about magnitudes. Int J Sport Phys Perf. 2006;1:50–7.
Krantz DH. The null hypothesis testing controversy in psychology. J Am Stat Assoc. 1999;94(448):1372–81.
Sterne JAC, Smith GD. Sifting the evidence: what’s wrong with significance tests? BMJ. 2001;322:226–31.
Fisher R. Statistical methods for research workers. London: Oliver and Boyd; 1950.
Fisher R. Statistical methods and scientific inference. London: Collins Macmillan; 1973.
Neyman J, Pearson ES. On the problem of the most efficient tests of statistical hypotheses. Philos Trans R Soc Lond Ser A. 1933;231:289–337.
von Mises R. Probability, statistics and truth. 2nd ed. London: Allen and Unwin; 1928.
Oakes M. Statistical inference: a commentary for the social and behavioural sciences. New Jersey: Wiley; 1986.
Dienes Z. Bayesian versus orthodox statistics: which side are you on? Perspect Psychol Sci. 2011;6(3):274–90.
Pollard P, Richardson JTE. On the probability of making type I errors. Psychol Bull. 1987;102(1):159–63.
Cumming G. Understanding the new statistics: effect sizes, confidence intervals and meta analysis. New York: Taylor and Francis Group; 2012.
Hopkins WG, Marshall SW, Batterham AM, Hanin J. Progressive statistics for studies in sports medicine and exercise science. Med Sci Sports Exerc. 2009;41(1):3–12.
Edwards AWF. Likelihood. Cambridge: Cambridge University Press; 1972.
Kass RE. Statistical inference: the big picture. Stat Sci. 2011;26(1):1–9.
Little RJ. Calibrated Bayes, for statistics in general, and missing data in particular. Stat Sci. 2011;26(2):162–74.
Hopkins WG. A new view of statistics. Internet Society for Sport Science. 2000. http://www.sportsci.org/resource/stats/.