Método de Fisher para Combinando P - valores independentes

O valor de p marca a taxa de erros do tipo I na análise estatística . Erro de tipo I significa rejeitar a hipótese nula quando ela é, de fato, correto. A hipótese nula é ( quase sempre ) uma declaração de que dois grupos não são diferentes, ou que não há relação entre algumas variáveis ​​, ou de outra declaração de que o que nós esperamos encontrar não , de fato, existe. Assim, um erro tipo 1 está dizendo que algo está acontecendo , quando, na verdade, nada é . Tudo isso é baseado na idéia de que temos apenas uma amostra de uma população . Por Combine P- Valores ?

Em alguns casos, vários estudos são sobre o mesmo fenômeno. Por exemplo , há muitos estudos que examinaram a relação entre as taxas de tabagismo e câncer . Cada um destes irá fornecer um valor de p . Ao combinar vários estudos , é possível obter estimativas mais precisas sobre o que está acontecendo.
A idéia do método de Fisher

Dada uma coleção de p-valores a partir de estudos independentes , método de Fisher é a primeira a tomar o logaritmo natural de cada valor de p , multiplicando cada resultado de -2 e , em seguida, adicionando -se -lhes . A soma resultante é distribuída como uma estatística qui-quadrado com graus de liberdade 2D , onde L é o número de valores de p . O valor -p dessa soma pode ser obtido a partir de tabelas estatísticas , a partir de softwares estatísticos , como SAS , SPSS ou R , a partir do Excel ou de algumas calculadoras científicas .
Perigos da combinação de P valores: interpretando mal o resultado

Um dos perigos de p-valores que combinam está interpretando mal o resultado. Isso é parte do que Stephen Ziliak e Deirdre McCloskey chamar o " Culto de significância estatística. " Através da combinação de amostras , tamanhos de efeito cada vez mais pequenos se tornarão estatisticamente significativa. Mas significância estatística não implica importância prática . Por exemplo , suponha -se que uma dieta específica conduziu a uma perda de peso de uma onça por mês. Se amostras suficientes foram combinados, isso seria estatisticamente significativa , mas poucas pessoas se preocupam com uma dieta que levou a um efeito tão pequeno .

Alternativas para Combinando Os valores de p <
p> ao invés de combinar os valores de p , muitas vezes é uma boa idéia para combinar tamanhos de efeito . O tamanho do efeito poderia ser a diferença entre dois grupos , ou um coeficiente de regressão , ou uma razão de probabilidades ou qualquer um de uma série de outras medidas , dependendo do que foi estatística a ser utilizado . Este tipo de análise é chamado de meta- análise, que é um estudo em si mesmo.