Fisher's voor het combineren onafhankelijke P - waarden

Een p - waarde geeft de type I foutenpercentage in een statistische analyse . Type I fout betekent verwerpen de nulhypothese wanneer het in feite juist. De nulhypothese ( bijna altijd ) een vermelding dat twee groepen niet verschillend , of dat er geen relatie tussen sommige variabelen of andere uitspraak dat wat we verwachten niet feitelijk bestaan ​​. Dus een type 1 fout te zeggen dat er iets gebeurt , terwijl in feite , niets is . Dit alles is gebaseerd op het idee dat we slechts een steekproef uit een populatie . Waarom P - waarden Combineer ?

In sommige gevallen , meerdere studies zijn ongeveer hetzelfde fenomeen . Zo zijn er vele studies die de relatie tussen roken en kanker tarieven. Elk van deze wordt een p - waarde. Door het combineren van meerdere studies , kunt u preciezere schattingen van wat er gaande is te krijgen.
Het Idee van Fisher's Method

Gegeven een verzameling van p - waarden uit onafhankelijke studies , Fisher methode is om eerst de natuurlijke logaritme van elke p - waarde , elk resultaat te vermenigvuldigen met -2 en vervolgens toevoegen ze . De resulterende som wordt gedistribueerd als een chi -kwadraat statistiek met 2L vrijheidsgraden , waarbij L het aantal p - waarden . De p - waarde van dit bedrag kan worden gekregen van de statistische tabellen , van statistische software zoals SAS , R of SPSS , Excel of uit een wetenschappelijke rekenmachines.
Gevaren van combineren P waarden : een verkeerde interpretatie van het resultaat

Een gevaar van het combineren van p - waarden wordt verkeerd het resultaat . Dit is een onderdeel van wat Stephen Ziliak en Deirdre McCloskey noemen de " Cultus van statistische significantie . " Door het combineren van monsters , zullen in toenemende mate kleine effect sizes statistisch significant geworden . Maar statistische significantie impliceert niet praktisch belang . Stel dat werd gevonden dat een bepaald dieet leidde tot een gewichtsverlies van 1 oz . per maand . Als er genoeg monsters werden gecombineerd , zou dit statistisch significant zijn, maar weinig mensen zou geven om een dieet dat heeft geleid tot zo'n klein effect .
Alternatieven voor het combineren van P - waarden

In plaats van te combineren p - waarden , is het vaak een goed idee om effect sizes te combineren. Het effect maat kunnen verschil tussen twee groepen , of een regressiecoëfficiënt of een odds - ratio of elk van een aantal andere maatregelen , afhankelijk van wat statistiek werd gebruikt zijn . Deze vorm van analyse wordt meta - analyse, die is een studie op zich genoemd .