Оценка достоверности результатов исследования
Под
достоверностью статистических
показателей следует понимать степень
их соответствия отображаемой ими
действительности. Достоверными
результатами считаются те, которые не
искажают и правильно отражают объективную
реальность.
Оценить
достоверность результатов исследования
означает определить, с какой вероятностью
возможно перенести результаты, полученные
на выборочной совокупности, на всю
генеральную совокупность.
В
большинстве исследований исследователю
приходится, как правило, иметь дело с
частью изучаемого явления, а выводы
по результатам
такого исследования переносить на все
явление в целом — на генеральную
совокупность.
Таким образом,
оценка достоверности необходима для
того, чтобы по части явления должно было
бы судить о явлении в целом, о его
закономерностях.
Оценка
достоверности результатов исследования
предусматривает определение:
-
ошибок
репрезентативности (средних ошибок
средних арифметических и относительных
величин) — т; -
доверительных
границ средних (или относительных)
величин; -
достоверности
разности средних (или относительных)
величин(по критерию t);
4)
достоверности различия сравниваемых
групп по критерию
2.
1. Определение средней ошибки средней (или относительной) величины (ошибки репрезентативности) — т.
Ошибка
репрезентативности (m)
является важнейшей статистической
величиной, необходимой для оценки
достоверности результатов исследования.
Эта ошибка возникает в тех случаях,
когда требуется по части охарактеризовать
явление в целом. Эти ошибки неизбежны.
Они проистекают из сущности выборочного
исследования; генеральная совокупность
может быть охарактеризована по
выборочной совокупности только с
некоторой погрешностью, измеряемой
ошибкой репрезентативности.
Ошибки
репрезентативности нельзя смешивать
с обычным представлением об ошибках:
методических, точности измерения,
арифметических и др.
По
величине ошибки репрезентативности
определяют, насколько результаты,
полученные при выборочном наблюдении,
отличаются от результатов, которые
могли бы быть получены при проведении
сплошного исследования всех без
исключения элементов генеральной
совокупности.
Этот
единственный вид ошибок, учитываемых
статистическими методами, которые не
могут быть устранены, если не осуществлен
переход на сплошное изучение. Ошибки
репрезентативности можно свести к
достаточно малой величине, т. е. к величине
допустимой погрешности. Делается это
путем привлечения в выборку достаточного
количества наблюдений (п).
Каждая
средняя величина — М
(средняя длительность
лечения, средний рост, средняя масса
тела, средний уровень белка крови и
др.), а также каждая относительная
величина — Р (уровень
летальности, заболеваемости и др.)
должны быть представлены со своей
средней ошибкой — т.
Так, средняя
арифметическая величина выборочной
совокупности (М) имеет
ошибку репрезентативности, которая
называется средней ошибкой средней
арифметической (mм)
и определяется по формуле:
Как
видно из этой формулы, величина средней
ошибки средней арифметической прямо
пропорциональна степени разнообразия
признака и обратно пропорциональна
корню квадратному из числа наблюдений.
Следовательно, уменьшение величины
этой ошибки при определении степени
разнообразия ()
возможно путем увеличения числа
наблюдений.
На
этом принципе основан метод определения
достаточного числа наблюдений для
выборочного исследования.
Относительные
величины (Р), полученные
при выборочном исследовании, также
имеют свою ошибку репрезентативности,
которая называется средней ошибкой
относительной величины и обозначается
mр
Для
определения средней ошибки относительной
величины (Р) используется
следующая формула:
где Р
— относительная
величина. Если показатель выражен в
процентах, то q=100-P,
если Р-
в промиллях, то
q=1000-P,
если Р-
в продецимиллях, то
q=10000-Р
и т.д.; п
— число наблюдений.
При числе наблюдений менее 30 в знаменатель
следует взять (п –
1).
Каждая
средняя арифметическая или относительная
величина, полученная на выборочной
совокупности, должна быть представлена
со своей средней ошибкой. Это дает
возможность’ рассчитать доверительные
границы средних и относительных величин,
а также определить достоверность
разности сравниваемых показателей
(результатов исследования).
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]
- #
- #
- #
- #
- #
- #
- #
- #
- #
- #
- #
В практической и научно-практической работе
врачи обобщают результаты, полученные как правило на выборочных
совокупностях.
Для более широкого распространения и применения полученных при изучении
репрезентативной выборочной совокупности данных и выводов
надо уметь по части явления судить о явлении и его закономерностях в
целом.
Учитывая, что врачи, как правило, проводят исследования на
выборочных совокупностях, теория статистики позволяет с помощью
математического аппарата (формул) переносить данные с выборочного
исследования на генеральную совокупность. При этом врач должен
уметь не только воспользоваться математической формулой, но сделать
вывод, соответствующий каждому способу оценки достоверности
полученных данных. С этой целью врач должен знать способы оценки
достоверности.
Применяя метод оценки достоверности результатов исследования для изучения общественного здоровья и деятельности учреждений
здравоохранения, а также в своей научной деятельности, исследователь должен уметь правильно выбрать способ данного метода.
Среди методов оценки достоверности различают параметрические и непараметрические.
Параметрическими называют количественные методы статистической обработки данных, применение которых требует обязательного
знания закона распределения изучаемых признаков в совокупности и вычисления их основных параметров.
Непараметрическими являются количественные методы статистической обработки данных, применение которых не требует знания
закона распределения изучаемых признаков в совокупности и вычисления их основных параметров.
Как параметрические, так и непараметрические методы, используемые
для сравнения результатов исследований, т.е. для сравнения
выборочных совокупностей, заключаются в применении определенных формул и
расчете определенных показателей в соответствии с
предписанными алгоритмами. В конечном результате высчитывается
определенная числовая величина, которую сравнивают с табличными
пороговыми значениями. Критерием достоверности будет результат сравнения
полученной величины и табличного значения при данном числе
наблюдений (или степеней свободы) и при заданном уровне безошибочного
прогноза.
Таким образом, в статистической процедуре оценки основное
значение имеет полученный критерий достоверности, поэтому сам способ
оценки достоверности в целом иногда называют тем или иным критерием по
фамилии автора, предложившего его в качестве основы метода.
Применение параметрических методов
При проведении выборочных исследований полученный результат не обязательно совпадает с результатом, который мог бы быть получен
при исследовании всей генеральной совокупности. Между этими величинами существует определенная разница, называемая ошибкой
репрезентативности, т.е. это погрешность, обусловленная переносом результатов выборочного исследования на всю генеральную
совокупность.
Определение доверительных границ средних
и относительных величин
Формулы определения доверительных границ представлены следующим образом:
- для средних величин (М): Мген = Мвыб ± tm
- для относительных показателей (Р): Рген = Рвыб ± tm
где Мген и Рген — соответственно, значения средней величины и относительного показателя генеральной
совокупности;
Мвы6 и Рвы6 — значения средней величины и относительного показателя выборочной совокупности;
m — ошибка репрезентативности;
t — критерий достоверности (доверительный коэффициент).
Данный способ применяется в тех случаях, когда по результатам выборочной совокупности необходимо судить о размерах изучаемого
явления (или признака) в генеральной совокупности.
Обязательным условием для применения способа является репрезентативность выборочной совокупности. Для переноса результатов,
полученных при выборочных исследованиях, на генеральную совокупность необходима степень вероятности безошибочного прогноза (Р),
показывающая, в каком проценте случаев результаты выборочных исследований по изучаемому признаку (явлению) будут иметь место в
генеральной совокупности.
При определении доверительных границ средней величины или относительного показателя генеральной совокупности, исследователь сам
задает определенную (необходимую) степень вероятности безошибочного прогноза (Р).
Для большинства медико-биологических исследований считается
достаточной степень вероятности безошибочного прогноза, равная 95%,
а число случаев генеральной совокупности, в котором могут наблюдаться
отклонения от закономерностей, установленных при выборочном
исследовании, не будут превышать 5%. При ряде исследований, связанных,
например, с применением высокотоксичных веществ, вакцин,
оперативного лечения и т.п., в результате чего возможны тяжелые
заболевания, осложнения, летальные исходы, применяется степень
вероятности Р = 99,7%, т.е. не более чем у 1% случаев генеральной
совокупности возможны отклонения от закономерностей,
установленных в выборочной совокупности.
Заданной степени вероятности (Р) безошибочного прогноза соответствует определенное, подставляемое в формулу, значение критерия
t, зависящее также и от числа наблюдений.
При n>30 степени вероятности безошибочного прогноза Р = 99,7% — соответствует значение t = 3, а при Р = 95,5% — значение
t = 2.
При п<30 величина t при соответствующей степени вероятности безошибочного прогноза определяется по специальной таблице
(Н.А. Плохинского).
на определение ошибок репрезентативности (m) и доверительных границ средней величины генеральной совокупности (Мген)
при числе наблюдений больше 30
Условие задачи: при изучении комбинированного воздействия шума и низкочастотной вибрации на организм человека было
установлено, что средняя частота пульса у 36 обследованных водителей сельскохозяйственных машин через 1 ч работы составила 80
ударов в 1 минуту; σ = ± 6 ударов в минуту.
Задание: определить ошибку репрезентативности (mM) и доверительные границы средней величины генеральной
совокупности (Мген).
Решение.
- Вычисление средней ошибки средней арифметической (ошибки репрезентативности) (m):
m = σ / √n =
6 / √36 =
±1 удар в минуту - Вычисление доверительных границ средней величины генеральной совокупности (Мген). Для этого необходимо:
- а) задать степень вероятности безошибочного прогноза (Р = 95 %);
- б) определить величину критерия t. При заданной степени вероятности (Р=95%) и числе наблюдений меньше 30 величина критерия t,
определяемого по таблице, равна 2 (t = 2). Тогда Мген = Мвыб ± tm = 80 ± 2×1 = 80 ± 2
удара в минуту.
Вывод. Установлено с вероятностью безошибочного прогноза Р =
95%, что средняя частота пульса в генеральной совокупности,
т.е. у всех водителей сельскохозяйственных машин, через 1 ч работы в
аналогичных условиях будет находиться в пределах от 78 до 82
ударов в минуту, т.е. средняя частота пульса менее 78 и более 82 ударов в
минуту возможна не более, чем у 5% случаев генеральной
совокупности.
на определение ошибок репрезентативности (m) и доверительных границ относительного показателя генеральной совокупности
(Рген)
Условие задачи: при медицинском осмотре 164 детей 3 летнего возраста, проживающих в одном из районов городе Н., в 18%
случаев обнаружено нарушение осанки функционального характера.
Задание: определить ошибку репрезентативности (mp) и доверительные границы относительного показателя
генеральной совокупности (Рген).
Решение.
- Вычисление ошибки репрезентативности относительного показателя:
m = √P x q / n =
√18 x (100 — 18) / 164 =
± 3% - Вычисление доверительных границ средней величины генеральной совокупности (Рген) производится следующим образом:
- необходимо задать степень вероятности безошибочного прогноза (Р=95%);
- при заданной степени вероятности и числе наблюдений больше 30, величина критерия t равна 2 (t = 2).
Тогда Рген = Рвыб± tm = 18% ± 2 х 3 = 18% ± 6%.
Вывод. Установлено с вероятностью безошибочного прогноза Р=95%, что частота нарушения осанки функционального характера у
детей 3 летнего возраста, проживающих в городе Н., будет находиться в пределах от 12 до 24% случаев.
Оценка достоверности разности результатов исследования
Данный способ применяется в тех случаях, когда необходимо определить, случайны или достоверны (существенны), т.е. обусловлены
какой-то причиной, различия между двумя средними величинами или относительными показателями.
Обязательным условием для применения данного способа является репрезентативность выборочных совокупностей, а также наличие
причинно-следственной связи между сравниваемыми величинами (показателями) и факторами, влияющими на них.
Формулы определения достоверности разности представлены следующим образом:
Если вычисленный критерий t более или равен 2 (t ≥ 2), что соответствует вероятности безошибочного прогноза Р равном или
более 95% (Р ≥ 95%), то разность следует считать достоверной (существенной), т.е. обусловленной влиянием какого-то фактора, что
будет иметь место и в генеральной совокупности.
При t < 2, вероятность безошибочного прогноза Р < 95%, это означает, что разность недостоверна, случайна, т.е. не
обусловлена какой-то закономерностью (не обусловлена влиянием какого-то фактора).
Поэтому полученный критерий должен всегда оцениваться по отношению к конкретной цели исследования.
на оценку достоверности разности средних величин
Условие задачи: при изучении комбинированного воздействия шума
и низкочастотной вибрации на организм человека было
установлено, что средняя частота пульса у водителей сельскохозяйственных
машин через 1 ч после начала работы составила 80 ударов в
минуту; m = ± 1 удар в мин. Средняя частота пульса у этой же группы
водителей до начала работы равнялась 75 ударам в минуту;
m = ± 1 удар в минуту.
Задание: оценить достоверность различий средних значений пульса у водителей сельскохозяйственных машин до и после 1 ч
работы.
Решение.
Вывод. Значение критерия t = 3,5 соответствует вероятности безошибочного прогноза Р > 99,7%, следовательно можно
утверждать, что различия в средних значениях пульса у водителей сельскохозяйственных машин до и после 1 ч работы не случайно, а
достоверно, существенно, т.е. обусловлено влиянием воздействия шума и низкочастотной вибрации.
на оценку достоверности разности относительных показателей
Условие задачи: при медицинском осмотре детей 3 летнего возраста в 18% (m = ± 3%) случаях обнаружено нарушение
осанки функционального характера. Частота аналогичных нарушений осанки при медосмотре детей 4-летнего возраста составила 24%
(m = ± 2,64%).
Задание: оценить достоверность различий в частоте нарушения осанки у детей 2 возрастных групп.
Решение.
Вывод. Значение критерия t=1,5 соответствует вероятности безошибочного прогноза Р<95%. Следовательно, различие в
частоте нарушений осанки среди детей, сравниваемых возрастных групп случайно, недостоверно, несущественно, т.е. не обусловлено
влиянием возраста детей.
Типичные ошибки, допускаемые исследователями при
применении способа оценки достоверности разности результатов исследования
- При оценке достоверности разности результатов исследования по критерию t часто делается вывод о достоверности (или
недостоверности) самих результатов исследования. В действительности же этот способ позволяет судить только о достоверности
(существенности) или случайности различий между результатами исследования. - При полученном значении критерия t<2 часто делается вывод о необходимости увеличения числа наблюдений. Если же
выборочные совокупности репрезентативны, то нельзя делать вывод о необходимости увеличения числа наблюдений, т.к. в данном
случае значение критерия t<2 свидетельствует о случайности, недостоверности различия между двумя сравниваемыми результатами
исследования.
Применение методов статистического анализа для изучения общественного здоровья и здравоохранения.
Под ред. чл.-корр. РАМН, проф. В.З.Кучеренко. М., «Гэотар-Медиа», 2007, учебное пособие для вузов
- Власов В.В. Эпидемиология. — М.: ГЭОТАР-МЕД, 2004. — 464 с.
- Лисицын Ю.П. Общественное здоровье и здравоохранение. Учебник для вузов. — М.: ГЭОТАР-МЕД, 2007. — 512 с.
- Медик В.А., Юрьев В.К. Курс лекций по общественному здоровью
и здравоохранению: Часть 1. Общественное здоровье. — М.: Медицина,
2003. — 368 с. - Миняев В.А., Вишняков Н.И. и др. Социальная медицина и организация здравоохранения (Руководство в 2 томах). — СПб, 1998. -528 с.
- Кучеренко В.З., Агарков Н.М. и др.Социальная гигиена и организация здравоохранения (Учебное пособие) — Москва, 2000. — 432 с.
- С. Гланц. Медико-биологическая статистика. Пер с англ. — М., Практика, 1998. — 459 с.
При работе со статистическим отчетом, научной статьей или диссертацией Вы постоянно сталкиваетесь таким термином, как уровень значимости или альфа (ошибка первого рода), чаще всего этот уровень задается относительно 5% или вероятности р=о,05. Решение о достоверности различий или «статистически значимых различиях» принимается относительно этого порогового значения. В данной статье мы предлагаем читателю разобраться в том, почему так важен этот уровень и что он значит в практическом смысле.
Определение (словарь Дж. М. Ласта):
ОШИБКА ТИПА I (ERROR TYPE I; син. alpha-error — ошибка альфа)
ошибочное отклонение нулевой гипотезы, т.е. утверждение о том, что различия существуют, тогда как их нет.
Немного о смысле уровня значимости и достовернности различий
Для понимания темы статистических ошибок мы перейдем к простейшей матрице соотношения статистики (что она нам говорит по результатам статистических тестов) и реальности. Так вот, предположим, что статистика нам говорит о существовании связей, о существовании различий. В реальности же они также существуют, тогда мы считаем этот результат правильным положительным или truth positive (ТР). Например, статистика нам говорит об отсутствии связей, об отсутствии различий, а в реальности же они действительно существуют. Такая ситуация называется ложноотрицательной или false-negative (FN). Соответственно существуют ситуации, когда статистика нам говорит о существовании каких-то определенных взаимосвязей или о существовании различий, которые в реальности не существуют. Тогда это называется ложноположительной или false-positive (FP). И последний случай касается отсутствия по данным статистических тестов того, чего в действительности не существует, различий в действительности нет. И эта ситуация именуется как truth negative (TN) или ложноотрицательный результат.
Рисунок 1. Матрица соотношения реальность-результаты статистического теста. TN (true negative) — верноотрицательный, FN (false negative) — ложноотрицательный, FP (false positive) — ложноположительный, TP (true positive) — верно позитивный.
Так вот, как видно из этой матрицы, у нас существуют 2 ситуации, в которых мы можем ошибаться: это false-positive и truth negative. Это как раз два типа ошибок, о которых я говорил в начале этого блока: о ложноотрицательной ошибке и ложноположительной. Что на самом деле это значит?
Что в какой-то ситуации мы можем пересмотреть, а в какой-то – недосмотреть.
Пересмотреть, то есть найти то, чего в действительности нет, это является false-positive – это ошибка первого рода.
Или недосмотреть, то есть упустить то, что в действительности существует в реальности, но по данным статистических тестов мы чего-то не находим – это ложноотрицательный результат или ошибка второго рода.
Давайте нанесем те термины, которые, возможно, вы уже слышали – «уровень достоверности», «достоверные различия». Что это за слово такое «достоверность»? Оно относится как раз к ошибке первого рода и обозначается буквой α. Вы наверняка знаете обозначение уровня в р=0,05. Уровень достоверности в 0,05 как раз является критическим значением для результатов большинства статистических тестов ( 5 %). Мы делаем вывод относительно этих 5 %. Что в практическом смысле это значит? Что в 95 % мы находим различия, которые действительно существуют, и в 5 % даем себе возможность переобнаружить то, чего в действительности не существует в реальности.
Что касается ошибки второго рода, то здесь это уже не 5 %. И мы задаем либо 20, либо 10 %, что-то в этом диапазоне, это ошибка в 0,2; в 0,1. И как раз мы подходим к следующему чрезвычайно важному статистическому понятию как «мощность исследования». Мощность исследования это: (1 – β), где β это ошибка второго рода. Если стандартный уровень ошибки это 0,2 и 0,1, то мы получаем, что мощность исследования в норме составляет 0,8 или 0,9 (чаще, конечно, 0,8).
NB! по уровню значимости
Уровень значимости, то есть ошибки первого рода составляет чаще всего относительно уровня в 5 %, это уровень той ошибки, при которой мы даем возможность себе «перенайти» то, что в действительности не существует. В ошибке второго рода мы даем себе определенный люфт до 20 % не обнаружить того, что в действительности существует, то есть когда статистические тесты нам скажут, что чего-то нет, а в реальности эти различия существуют.
Автор: Кирилл Мильчаков
Выполнение любого исследования сопровождается различными нюансами, сложностями, порождающими небольшую погрешность. Несмотря на это, каждый исследователь стремится получить максимально точные и надежные результаты научной работы. Но чтобы обосновать свою позицию и правоту, доказать состоятельность выдвинутой гипотезы, важно убедиться в качестве и достоверности изыскания. В этом деле на помощь приходит статистическая оценка достоверности НИР.
СОДЕРЖАНИЕ
Что это такое?
Статистическое подтверждение достоверности исследования представляет собой «проверочный этап», призванный убедиться в корректности и правильности полученных результатов, возможности их дальнейшего применения. Как уже стало ясно из определения, он реализуется после проведения изыскания и получения конкретных финальных данных.
Для начала давайте разберемся с такими важными понятиями, как достоверность и обоснованность. Указанные категории взаимосвязаны и важны для каждого автора. Под достоверностью следует понимать степень соответствия полученных результатов с действительностью, реальными условиями и параметрами. То есть это то самое сравнение «ощущение и реальность», но в научном русле.
Обоснованность исследования предполагает наличие четкой и точной доказательной базы, подчеркивающей конкретную тенденцию или симптоматику.
Оценка достоверности научной работы предполагает определение перспектив и ответ на такие вопросы, как:
- Насколько точны результаты исследования?
- Можно ли полагаться на них в перспективе, как и где применять?
- Можно ли расширить «спектр действия» полученных результатов, то есть расширить масштабы результативности с рассмотренной узкой плоскости на более значимую выборку или всю совокупность в целом?
Таким образом, показатель достоверности позволяет судить о корректности реализованной научной работы и возможности применения полученных результатов в дальнейшем. Миссия столь важного этапа состоит в определении следующего момента: возможно ли судить по части исследования (выборке) о всем явлении в целом?
Возникли сложности?
Нужна помощь преподавателя?
Мы всегда рады Вам помочь!
Проверка НИР на достоверность позволяет автору убедиться в отсутствии грубейших ошибок и нарушений существующих научных канонов, норм и минимизировать риск дальнейших ошибок и сомнений. Чем выше уровень достоверности, тем выше качество проекта и степень компетентности исследователя.
Среди ключевых признаков достоверности научного исследования (и его результатов) можно отметить:
- Полученные результаты должны быть сугубо однозначными и обоснованными с научной точки зрения;
- Итоги научной работы должны оценить конкретную проблему и тему, т есть соответствовать критериям валидности и адекватности, целенаправленности;
- Результаты исследования должны быть нейтральными и оценивать явление с одного ракурса, позиции , при одинаковых или максимально схожих условиях (для большей точности и убедительности);
- Итоги научной мысли должны полностью охватывать все намеченные задачи и наиболее важные характеристики, соответствовать научному аппарату и в целом изучаемому процессу.
Таким образом, достоверность результатов научной работы проявляется в таких принципах, как точность, актуальность, целенаправленность и однозначность (однонаправленность).
Способы проверки достоверности исследования
Оценить степень достоверности научной работы не так просто. Существуем масса вариантов для проведения столь важной проверки. Студенты чаще всего прибегают к следующим видам:
- Сравнительный или содержательный анализ. В данном случае автору или эксперту предстоит внимательно изучить текст научной работы и констатировать значимые показатели, тенденции, а затем сравнить с аналогичными исследованиями. Согласитесь, если суждение верно или наблюдается од на и та же проблема-тенденция, то и результаты будут как минимум схожими, очерчивать тот же характер. В данном случае на выручку исследователю приходят актуальные аналогичные изыскания, реализованные иными авторами, то есть достаточно оценить степень разработанности тем, сопоставить результаты и понять: чем отличаются проекты, в чем их сходства, о чем свидетельствуют общие результаты (тенденция и пр.).
Обратите внимание, что точных совпадений в целом быть не должно. Главное, чтобы совпадали общие моменты, тенденции, характер доказательной базы и изменений и пр. Но даже если некоторые моменты кардинально разнятся, это не означает, что что-то выполнено неверно. Важно взять данный момент на заметку и учесть в дальнейшем;
- Аналитический метод. В данном случае автор исследования или квалифицированный эксперт анализирует полученные результаты и сравнивает их с общепринятыми нормами, устоявшимися научными фактами и законами, отраслевыми показателями и правовыми регламентами, результатами аналогичных исследований и пр. Чем больше совпадений (по характеру), тем выше точность итогов.
- Апробация результатов. Данный прием считается самым надежным и достоверным, позволяющим оценить полученные результаты, рекомендации и выводы на практике. В данном случае предстоит провести повторно эксперимент или проследовать по описанному автором пути и сравнить полученные результаты, а заодно оценить посильность, корректность и достоверность исследования;
- Статистическая проверка данных. Данный метод предполагает проведение ряда математических операций с целью определения наличия отклонений, наличие случайных моментов и отклонений, стабильных показателей и пр. О данной комбинации приемов мы поговорим подробнее.
Последняя группа методов по проверке результатов научного исследования на достоверность в целом может заменить (по роли и значимости, корректности и объективности) апробация результатов. Предлагаем рассмотреть ее детальнее.
Возникли сложности?
Нужна помощь преподавателя?
Мы всегда рады Вам помочь!
Специфика статистической оценки достоверности результатов научно-исследовательской работы
Статистические приемы по проверке результатов НИР на объективность, обоснованность и достоверность применимы преимущественно к прикладным изысканиям. Также допустимо использовать их в отношении тех проектов которые можно преобразовать в математическую, статистическую или иную числовую модель, то есть оценить с количественной стороны посредством применения простейших математических операций, специальных методик и формул.
Статистические методы по проверке достоверности результатов НИР применимы преимущественно к прикладным или экспериментальным изысканиям, где явление или проблема оценивалась в рамках конкретной выборки. Чтобы распространить действие полученного результата на «проблему в целом» (то есть вынести за пределы выборки), важно убедиться в достоверности итогов (то есть совпадении данных с реальностью).
На практике применяют два вида статистической оценки достоверности изыскания: параметрические и непараметрические. К первой группе относят специфические приемы, основанные на законах распределения и предполагают изучение всего механизма в целом с выделением основных признаков из общей совокупности. Ко второй – методы, не требующие понимания и владения законом распределения. То есть ключевое отличие между данными приемами будут формулы и порядок расчета, учета отдельных показателей. Без математических и статистических подходов в этом деле не обойтись.
Применение параметрических и непараметрических методов статистической оценки достоверности исследования предполагает расчет определенных показателей и выведение единого (самого важного) коэффициента, который будет сравниваться с существующими нормами. Если итоговое значение выпадает на «допустимый диапазон», где отклонение незначительно, то НИР считается достоверной.
Основные параметрические показатели, необходимые для оценки достоверности исследования
На практике действует два основных параметра, позволяющих определить возможности использования результаты реализованного исследования. К ним относят среднее значение и дисперсию. Именно эти показатели лежат в основе самых популярных и признанных среди исследователей методик, о которых мы писали ранее: критерий Стьюдента и критерий Фишера.
Оценивание достоверности исследования на базе указанных подходов основывается на таких показателях, как:
- Средние ошибки средних арифметических и относительных величин (ошибка репрезентативности). Данный показатель позволяет установить тот самый промежуток действия результатов при заданном количестве наблюдений. Этот параметр всегда точен и способствует установлению конкретных границ для переноса частных результатов на всю совокупность в целом. Показатель рассчитывается в тех случаях, когда проблема оценивалась по частям, а для общей оценки необходимо убедиться в корректности и достоверности итогов, их общего действия. С помощью ошибок репрезентативности можно установить, на сколько отличаются результаты выборочного исследования от результатов, полученных при реализации сплошного изыскания.
- Оценка достоверности разности результатов исследования. Данный подход уместен при оценке возникновения проблемного фактора: результаты случайны или достоверны. В это деле на подмогу приходит сравнение средних и относительных показателей. Для использования данного приема важно соблюдение конкретных условий: выборка должна быть репрезентативной, наличие причинно-следственных связей между основными сравниваемыми данными, понимание провоцирующих изменения факторов.
Возникли сложности?
Нужна помощь преподавателя?
Мы всегда рады Вам помочь!
Непараметрические подходы к оценке достоверности результатов исследования
Непараметрические критерии действуют в отношении таких ситуаций, когда исследователь не имеет четких представлений или фактов относительно изучаемого явления, проблемы. В данном случае не требуется расчет средних или стандартных отклонений для описания исследуемого явления или величины.
Непараметрические методики применимы в отношении исследований, где действует небольшая выборка и нет четких данных в отношении изучаемой проблемы. Для использования данной группы приемов полагаются на следующий принцип: в отношении любого параметрического критерия можно подобрать аналогичный непараметрический аналог, который будет относиться к одной из категорий:
- Критерии различия между независимыми выборками. В этом случае уместны описанные нами ранее U-методика Манна-Уитни, критерий Краскела-Уоллиса, тест Спирмена и пр.;
- Критерии различия между зависимыми выборками. Наиболее популярными подходами данного плана выступают критерий Вилкоксона, анализ Фридмана, Q-критерий Кохрена и пр.
Как выбрать статистический способ проверки достоверности результатов исследования: параметрический или непараметрический?
Непараметрические приемы по оценке степени достоверности результатов научного исследования применимы лишь к тем работам, где исследуется небольшая по численности выборка. Если исследуется большая совокупность данных и критериев, то подключают параметрические методики (считающиеся более обоснованными и точными).
Параметрические подходы предполагают установление конкретных границ и точек соприкосновения, зависимостей. Поэтому здесь преобладают более точные расчеты, необходимо соблюдение конкретных правил и законов и пр. Все это требуется для проверки конкретной гипотезы или предположений о характере или особенностях распределения полученных данных.
В любом случае применение статистической оценки результатов исследования будет основываться на проведении конкретных математических расчетов и аналитических операций, сопоставлений, владении научными канонами, критическом мышлении автора и его представлениями по теме (как он ее понимает и видит). Притом изобретать велосипед для перепроверки итогов НИР не потребуется: достаточно лишь воспользоваться уже ранее утвержденным алгоритмом, грамотно подставив в него имеющиеся параметры и сравнив их с измерительной шкалой.
Как обеспечить достоверность проводимого исследования?
Статистические способы проверки достоверности результатов исследования считаются одними из точных. Но чтобы повысить эффективность проводимого изыскания и расширить спектр применения полученных итогов можно позаботиться об обеспечении достоверности НИР следующим образом:
- Важно установить четкие границы исследования и утвердить максимально точный научный аппарат: что автор будет исследовать, какие факторы учитывать, по возможности конкретизировать все нюансы;
- Подходить к подбору данных с максимальной ответственностью и вниманием: учитывать научные законы и ограничения, возможности и особенности объекта, обосновывать каждый шаг и пр.;
- В идеале исследователю следует полагаться только на апробированный материал, то есть не просто данные полученные в ходе первичного эксперимента. Чтобы исследование было более точным и достоверным, следует убедиться в корректности и эффективности итогов. Нередко в этом случае приходится пользоваться повторным проведением эксперимента или апробацией (для сопоставления итогов и анализа данных, определения погрешностей, общего направления и характера результатов и пр.);
- Важно грамотно сочетать теоретические моменты и категории с программой исследования, в ходе реализации эксперимента. Для этого автору НИР предстоит разобраться в правилах, терминах, научных законах и подходах, а затем на основе располагаемых данных (относительно выборки или исследуемом объекте) правильно использовать их. То есть еще на начальном этапе (в ходе планирования исследования) важно уточнить уместность, целесообразность и посильность намеченного подхода, пути.
В целом, при проведении научных исследований экспериментального характера важно убедиться в правильности суждений, точности полученных результатов и возможностей их применения в перспективе. В этом деле на помощь приходит классический принцип «доверяй, но проверяй» на основе математических и статистических моделей.
Применение методов статистической оценки достоверности НИР основывается математических (порой сложных) операциях: расчеты в рамках конкретных формул, корреляция, дисперсия, разница величин (относительных и абсолютных) и пр. Чтобы успешно ими пользоваться, автору изыскания важно владеть основными категориями и понятиями, хорошо знать математические законы и быть предельно внимательным (во избежание банальных «расчетных» ошибок).
Статистическая оценка достоверности результатов исследования позволяет перепроверить и обосновать авторскую позицию, повысить точность полученных итогов, сделать проект более аргументированным и приближенным к реалиям, определить возможности использования полученных итогов в больших масштабах или иных сферах деятельности. При проведении подобной поверки важно учитывать все нюансы, характер изыскания и располагаемые автором данные, их достаточность и надежность.