Mga Dahilan: 1) Maliit na laki ng sample na nauugnay sa pagkakaiba-iba sa iyong data. 2) Walang kaugnayan sa pagitan ng mga umaasa at malayang variable. Kung ang iyong eksperimento ay mahusay na idinisenyo na may mahusay na pagkopya, maaari itong maging isang kapaki-pakinabang na resulta (nai-publish).
Ano ang ibig sabihin ng insignificant sa regression?
Paano Ko Ipapaliwanag ang P-Values sa Linear Regression Analysis? Ang p-value para sa bawat termino ay sumusubok sa null hypothesis na ang coefficient ay katumbas ng zero (walang epekto). … Sa kabaligtaran, ang mas malaki (hindi gaanong) p-value na ay nagmumungkahi na ang mga pagbabago sa predictor ay hindi nauugnay sa mga pagbabago sa tugon.
Ano ang ibig sabihin kung hindi makabuluhan ang resulta?
Ito ay nangangahulugan na ang mga resulta ay itinuturing na „statistics non-significant‟ kung ang pagsusuri ay nagpapakita na ang mga pagkakaiba ay kasinglaki ng (o mas malaki kaysa) sa naobserbahang pagkakaiba ay inaasahang magaganap sa pagkakataong higit pa. kaysa sa isa sa dalawampung beses (p > 0.05).
Paano kung hindi makabuluhan ang aking regression model?
Gayunpaman, dahil ang mga resulta ay hindi makabuluhan hindi mo makumpirma ang iyong hypothesis, ang kaugnayan sa pagitan ng mga variable na ito ay hindi makabuluhan sa mga antas ng populasyon. Maaaring isa itong isyu ng sample size, o iba pa, ngunit sa parehong mga kaso ay hindi nakumpirma ang iyong hypothesis.
Ano ang gagawin mo kung ang mga resulta ay hindi makabuluhan ayon sa istatistika?
Kapag ang mga resulta ng isang pag-aaralay hindi makabuluhan sa istatistika, ang isang post hoc statistical power at sample size analysis ay maaaring magpakita kung minsan na ang pag-aaral ay sapat na sensitibo upang matukoy ang isang mahalagang klinikal na epekto. Gayunpaman, ang pinakamahusay na paraan ay ang paggamit ng mga kalkulasyon ng power at sample size sa panahon ng pagpaplano ng isang pag-aaral.
