Méthode de Fisher pour combiner indépendants P - Valeurs

Un p - valeur indique le taux d' erreur de type I dans une analyse statistique . Erreur de type I implique de rejeter l'hypothèse nulle alors qu'elle est , en fait, correcte. L'hypothèse nulle est ( presque toujours ) une déclaration que les 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 ne pas , en fait, n'existe . Ainsi, une erreur de type 1 est dit que quelque chose se passe quand, en fait , rien n'est . Tout cela est basé sur l'idée que nous ne disposons que d'un échantillon d'une population . Pourquoi associer P - valeurs ?

Dans certains cas , plusieurs études sont sur ​​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 fournir une p - valeur . En combinant plusieurs études , vous pouvez obtenir des estimations plus précises de ce qui se passe .
L'idée de la méthode de Fisher

Étant donné un ensemble de valeurs p des études indépendantes , la méthode de Fisher est d' abord prendre le logarithme népérien de chaque valeur de p , multiplier chaque résultat par -2 , puis en les additionnant . La somme obtenue est distribué comme une statistique du chi - carré avec des degrés de liberté , où L est le nombre de valeurs de p 2L . La p - valeur de cette somme peut être obtenu à partir de tableaux statistiques , de logiciels statistiques tels que SAS , SPSS ou R , à partir d'Excel ou de certaines calculatrices scientifiques .
Dangers de la combinaison de P valeurs: mal interpréter les résultats

Un danger qui consiste à combiner les valeurs de 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 n'implique pas une importance pratique . Par exemple, supposons que l' on a trouvé un régime particulier, conduit à une perte de poids de 1 once par mois . Si suffisamment d'échantillons ont été combinées, ce serait statistiquement significative , mais peu de gens se soucierait d'un régime qui a conduit à un si petit effet .

Alternatives à La combinaison P - valeurs

plutôt que de combiner les valeurs de p , c'est souvent une bonne idée de combiner les tailles d'effet . L' ampleur de l'effet peut être la différence entre deux groupes , ou un coefficient de régression , ou le rapport des cotes ou de toute une série d'autres mesures , en fonction de ce que statistique a été utilisé. Ce type d'analyse est appelée méta-analyse , qui est une étude en soi.