Siedzisz nad wynikami swojej ankiety, przed Tobą tabela wypluta przez program statystyczny, a w ostatniej kolumnie widzisz tajemnicze „p”, „sig.” albo po prostu p-value. Twój promotor rzuca okiem na wydruk i mówi: „No, tutaj mamy istotność, ale w pytaniu piątym to p-value jest za wysokie”.
Zastanawiasz się: O co mu chodzi? Czy moja praca właśnie wylądowała w koszu? Spokojnie. Rozkodujmy tę „magiczną” liczbę raz a dobrze.
Czym jest p-value? (Wersja bez definicji z podręcznika)
Wyobraź sobie, że rzucasz monetą 10 razy i 8 razy wypada orzeł. Czy moneta jest oszukana? A może to po prostu czysty przypadek?
P-value (wartość p) to wskaźnik, który mówi Ci, jakie jest prawdopodobieństwo, że Twój wynik (np. to, że kobiety częściej kupują ekoprodukty niż mężczyźni) to dzieło czystego przypadku.
- Niskie p-value = Mała szansa na przypadek. Twoje wyniki są „istotne”, czyli prawdopodobnie odkryłeś realną zależność.
- Wysokie p-value = Duża szansa, że wynik to losowy szum. Nic tu nie ma, rozejść się.
Ta magiczna granica: 0,05
W naukach społecznych i większości prac dyplomowych przyjęło się, że „świętą granicą” jest wartość 0,05 (czyli 5%).
- Jeśli $p < 0,05: Gratulacje! Twój wynik jest istotny statystycznie. Możesz z dużą pewnością odrzucić hipotezę, że w Twoich danych nic się nie dzieje.
- Jeśli $p > 0,05: Wynik jest nieistotny. Oznacza to, że różnice, które widzisz, mogą być tylko dziełem przypadku (np. akurat trafiło Ci się dwóch bardziej aktywnych respondentów w jednej grupie).
Ważne: To, że p = 0,051, nie oznacza, że Twoje badania są bezwartościowe. Oznacza tylko, że statystycznie nie masz twardych dowodów na potwierdzenie swojej hipotezy.
Dlaczego promotor tak bardzo się o to czepia?
Promotorzy kochają p-value z trzech powodów:
- To bezpiecznik: Chroni przed wyciąganiem wniosków „z sufitu”. Bez p-value mógłbyś napisać, że „studenci piją więcej kawy niż studentki”, bo w Twojej grupie średnia była o 0,2 wyższa. Statystyka powie Ci, czy ta różnica w ogóle ma znaczenie.
- To standard naukowy: Każdy recenzent Twojej pracy najpierw spojrzy na istotności statystyczne.
- Weryfikacja hipotez: Twoja praca magisterska czy licencjacka zazwyczaj stawia hipotezy. P-value to jedyny obiektywny sposób, by powiedzieć: „Tak, hipoteza została potwierdzona” lub „Nie, nie mamy podstaw, by ją przyjąć”.
Największy mit: „Wysokie p-value to błąd w pracy”
To najczęstszy powód paniki u studentów. Pamiętaj: Brak istotności statystycznej to też wynik! Jeśli badałeś wpływ nowej metody nauki na oceny i p-value wyszło na poziomie 0,40, to po prostu udowodniłeś, że ta metoda prawdopodobnie nie działa (albo Twoja grupa była za mała). To jest wartościowa informacja naukowa. Opisz to, uzasadnij i nie próbuj „podkręcać” danych – promotorzy i statystycy widzą to z kilometra.
3 szybkie rady na koniec:
- Nie myl p-value z siłą efektu: To, że coś jest bardzo istotne (p < 0,001), nie znaczy, że zależność jest ogromna. To znaczy tylko, że jesteśmy niemal pewni, że ona istnieje.
- Dbaj o wielkość próby: Im mniejsza grupa (np. tylko 15 osób), tym trudniej o niskie p-value, nawet jeśli różnica w rzeczywistości istnieje.
- Opisuj dokładnie: W raporcie nie pisz tylko „jest istotne”. Podawaj dokładną wartość, np. p = 0,023.