Une valeur de p marque le taux d'erreur de type I dans une analyse statistique. erreur de type I signifie rejeter l'hypothèse nulle quand il est, en fait, correct. L'hypothèse nulle est (presque toujours) une déclaration selon laquelle deux groupes ne sont pas différents, ou qu'il n'y a pas de relation entre certaines variables, ou une autre déclaration que ce que nous nous attendons à trouver n'a pas, en fait, existe. Donc, une erreur de type 1 dit que quelque chose se passe quand, en fait, rien. Tout cela est basé sur l'idée que nous avons seulement un échantillon d'une population.
Pourquoi combiner P-valeurs?
Dans certains cas, plusieurs études sont à peu près le même phénomène. Par exemple, il existe de nombreuses études portant sur la relation entre le tabagisme et les taux de cancer. Chacun de ces fournira une valeur p. En combinant plusieurs études, vous pouvez obtenir des estimations plus précises de ce qui se passe.
L'idée de la méthode de Fisher
Etant donné un ensemble de valeurs de p dans les études indépendantes, la méthode de Fisher est d'abord prendre le logarithme naturel de chaque p-value, en multipliant chaque résultat par -2, puis en les additionnant. La somme obtenue est répartie comme une statistique du chi carré avec des degrés de liberté, où L est le nombre de valeurs p 2L. La p-valeur de cette somme peut être obtenu à partir de tableaux statistiques, de logiciels statistiques tels que SAS, R ou SPSS, à partir d'Excel ou de certaines calculatrices scientifiques.
Dangers de la combinaison de P-valeurs: Résultat mal interpréter les
Un danger de combinaison des valeurs p est mal interprété le résultat. Cela fait partie de ce que Stephen Ziliak et Deirdre McCloskey appellent le «culte de la signification statistique." En combinant des échantillons, de plus en plus petites tailles d'effet seront statistiquement significative. Mais la signification statistique ne signifie pas une importance pratique. Par exemple, supposons qu'il a été constaté qu'un régime particulier conduit à une perte de poids de 1 once par mois. Si suffisamment d'échantillons ont été combinés, ce serait statistiquement significative, mais peu de gens se soucient un régime qui a conduit à un tel petit effet.
Alternatives à la combinaison de P-valeurs
Plutôt que de combiner les valeurs p, il est souvent une bonne idée de combiner les tailles d'effet. La taille de l'effet pourrait être une différence entre deux groupes, ou un coefficient de régression, ou un odds-ratio ou tout d'un certain nombre d'autres mesures, en fonction de ce chiffre a été utilisé. Ce type d'analyse est appelée méta-analyse, qui est une étude à elle-même.