Statistische Signifikanz und p-Werte
Wenn sie mit Kundenanalysen im Allgemeinen zu tun, werden Sie den Satz treffen statistisch signifikant. Sie werden auch in etwas laufen ein genannt p-Wert. Es gibt eine Menge in diesem kleinen p gepackt und es gibt Bücher über das Thema geschrieben. Hier ist, was Sie wissen müssen.
Prinzipiell ist ein statistisch signifikantes Ergebnis (in der Regel eine Differenz) ist ein Ergebnis, das nicht dem Zufall zugeschrieben wird. Technisch, bedeutet dies, dass, wenn die Null-Hypothese wahr ist (was es wirklich bedeutet, ist kein Unterschied), gibt ein Ergebnis des Erhaltens, dass große oder größere eine geringe Wahrscheinlichkeit ist.
Betrachten Sie diese zwei wichtige Faktoren.
Stichprobenfehler. Es gibt immer eine Chance, dass die Unterschiede, die wir beobachten, wenn eine Probe des Kunden messen, ist nur das Ergebnis von zufälligen lärm- Chance fluctuations- happenstance.
Wahrscheinlichkeits nie Gewissheit. Statistik ist über wahrscheinlichkeits Sie 100% Sicherheit nicht kaufen kann. Statistik ist über das Risikomanagement. Können Sie leben mit einer 10-Prozent-Wahrscheinlichkeit, dass Ihre Entscheidung falsch ist? Nur 5 Prozent Wahrscheinlichkeit? 33 Prozent? Die Antwort hängt von Kontext:
Was kostet es, die Wahrscheinlichkeit, die richtige Wahl zu erhöhen, und was ist die Folge (oder mögliche Folge), die falsche Wahl zu treffen? Die meisten Publikationen deuten auf eine Cutoff von 5% - es ist okay, durch Zufall 1 Mal aus dem 20. täuschen, dass ein einigermaßen hohen Standard ist, und es kann Ihren persönlichen Umständen entsprechen. Es könnte genauso gut zu viel des Guten, oder es könnte Sie weit mehr Risiko aussetzen, als Sie sich leisten können.
Der p-Wert ist eines der Ergebnisse eines statistischen Tests bei einem Vergleich zu machen, sagen wir, zwischen dem Umrechnungskurs in einem Test von einer Marketing-Kampagne im Vergleich zu anderen. Der p-Wert steht für Wahrscheinlichkeitswert. Der p-Wert ist die Wahrscheinlichkeit des Erhaltens der Unterschied, den Sie aus einer Probe in einem Vergleich sehen (oder eine größere), wenn es nicht wirklich ein Unterschied für alle Kunden ist.
Einige Beispiele für p-Werte sind 0,012, 0,21 oder .0001- ein p-Wert von 0,012 zeigt an, daß der Unterschied beobachtet würde nur etwa 1,2% der Zeit zu sehen ist, wenn es wirklich keinen Unterschied in der gesamten Kunden ist Bevölkerung.
Da dies ein ziemlich niedrigen Prozentsatz, in den meisten Fällen Forscher schließen, dass der Unterschied beobachtet wird, ist nicht auf Zufall und nennen es statistisch signifikant. Per Konvention, Zeitschriften und Statistiker sagen etwas statistisch signifikant ist, wenn der p-Wert kleiner als 0,05. Es gibt nichts Heiliges .05, though- in der angewandten Forschung, der Unterschied zwischen .04 und .06 ist in der Regel vernachlässigbar.
Die statistische Signifikanz bedeutet nicht, praktische Bedeutung. Nur durch den Kontext unter Berücksichtigung können Sie bestimmen, ob ein Unterschied praktisch signifikant ist (das heißt, ob sie Maßnahmen erfordert).