Powody: 1) Mała wielkość próbki w stosunku do zmienności danych. 2) Brak związku między zmiennymi zależnymi i niezależnymi. Jeśli Twój eksperyment jest dobrze zaprojektowany z dobrą replikacją, może to być przydatny wynik (możliwy do opublikowania).
Co oznacza nieistotne w regresji?
Jak interpretować wartości P w analizie regresji liniowej? Wartość p dla każdego składnika testuje hipotezę zerową, że współczynnik jest równy zero (brak efektu). … I odwrotnie, większa (nieistotna) wartość p sugeruje, że zmiany predyktora nie są powiązane ze zmianami w odpowiedzi.
Co to znaczy, że wynik nie jest znaczący?
Oznacza to, że wyniki są uważane za „statystycznie nieistotne”, jeśli analiza wykaże, że różnice tak duże jak (lub większe niż) obserwowane różnice mogą występować przypadkowo częściej niż jeden na dwadzieścia razy (p > 0,05).
Co jeśli mój model regresji nie jest istotny?
Jednakże, ponieważ wyniki nie są znaczące, nie możesz potwierdzić swojej hipotezy, związek między tymi zmiennymi nie jest istotny na poziomie populacji. Może to być kwestia wielkości próbki lub coś innego, ale w obu przypadkach Twoja hipoteza nie została potwierdzona.
Co robisz, jeśli wyniki nie są statystycznie istotne?
Kiedy wyniki badanianie są statystycznie istotne, analiza mocy statystycznej post hoc i wielkości próbki może czasami wykazać, że badanie było wystarczająco czułe, aby wykryć ważny efekt kliniczny. Jednak najlepszą metodą jest wykorzystanie obliczeń mocy i wielkości próby podczas planowania badania.
