Judul SEO (48): Kalkulator P-Value - Tes Z, t, Chi-Square & F Deskripsi meta (154): Hitung nilai p dari statistik z, t, chi-kuadrat, atau F. Kalkulator Nilai P membandingkan dengan alpha dan menjelaskan lima kesalahan pembacaan umum.
Skema: WebApplication + FAQPage + BreadcrumbList
Kalkulator Nilai P mengubah statistik uji menjadi nilai p untuk uji z, t, chi-kuadrat, atau F, dengan opsi satu ekor atau dua ekor jika pengujian memungkinkannya. Masukkan statistik, derajat kebebasan jika diperlukan, dan pilihan ekor; kalkulator mengembalikan nilai p, membandingkannya dengan α yang dipilih, dan memberi bayangan pada wilayah penolakan pada plot area ekor.
Sebuah nilai p menjawab: jika hipotesis nol benar, seberapa sering data setidaknya seekstrem ini muncul secara kebetulan? Hipotesis itu tidak menjawab apakah nilai nol itu benar. Perbedaan itu mendorong bagian salah tafsir di bawah ini.
Hitung nilai p dari statistik uji
Input yang didukung adalah z, t dengan derajat kebebasan, chi-kuadrat dengan derajat kebebasan, dan F dengan derajat kebebasan pembilang dan penyebut. Masukkan statistik dari keluaran uji; kalkulator memetakannya ke distribusi referensi yang sesuai dan mengembalikan probabilitas ekor.
Untuk z dan t, atur satu ekor atau dua ekor sebelum membaca angka agar bayangan sesuai dengan hipotesis.
Untuk z dan t, pilih satu ekor atau dua ekor sebelum membaca angkanya. Tes chi-square dan F biasanya satu sisi (ekor atas) dalam bentuk yang diajarkan di kursus pengantar; antarmuka mencerminkan hal tersebut.
Pilih uji satu ekor atau dua ekor
Uji dua ekor menanyakan apakah statistik berbeda dari nilai nol di kedua arah dan menggandakan luas satu ekor yang lebih kecil untuk uji z dan t simetris. Uji satu ekor hanya menanyakan satu arah bernama.
Gunakan dua ekor kecuali rencana penelitian sudah berkomitmen ke arah tertentu sebelum melihat data; beralih setelah mengamati tanda membelah p dan mengembangkan positif palsu.
Gunakan dua ekor kecuali rencana penelitian sudah berkomitmen ke arah tertentu sebelum melihat data. Beralih ke satu ekor setelah mengamati tanda akan mengurangi setengahnya nilai p dan meningkatkan positif palsu. Hipotesis arah seharusnya ada dalam protokol, bukan dalam penyelamatan pasca-hoc terhadap 0.06.
Bandingkan nilai p dengan alpha
Alfa adalah tingkat signifikansi yang telah dipilih sebelumnya, sering kali 0.05 dan terkadang 0.01 atau 0.10. Jika p kurang dari atau sama dengan alfa, tolak hipotesis nol; jika p lebih besar dari alfa, gagal menolaknya. Gagal menolak tidak sama dengan membuktikan nol benar.
Studi ini mungkin memang kurang berdaya, itulah sebabnya interval dan ukuran efek seharusnya berada di samping keputusan biner apa pun.
- Jika p ≤ α, tolak hipotesis nol.
- Jika p > α, gagal menolak hipotesis nol.
"Gagal menolak" tidak sama dengan "membuktikan nol." Studi ini mungkin memang kurang berdaya. Kalkulator menyoroti perbandingan setelah Anda α di samping hasilnya.
Hitung nilai p dua ekor dari z sama dengan 2.0
Untuk z sama dengan 2.0 dalam uji normal dua ekor, area satu ekor di atas 2.0 sekitar 0.0228. Menggandakan area tersebut menghasilkan nilai p dua ekor sekitar 0.0455. Terhadap alfa 0.05 hasil tersebut menolak nol; terhadap alfa 0.01 tidak. Data tidak berubah antara kedua keputusan tersebut; hanya ambang batas yang berubah.
1. Area satu ekor di atas 2.0 ≈ 0.0228 (lebih tepatnya 0.02275). 2. Dua ekor p = 2 × 0.02275 ≈ 0.0455. 3. Melawan α = 0.05: 0.0455 < 0.05 → tolak null.
Terhadap α = 0.01 nilai p yang sama gagal menolak. Data tidak berubah; ambang batas yang berubah. Itulah sebabnya α harus diatur sebelum melihat p, bukan dinegosiasikan setelahnya.
Baca plot area ekor
Grafik menunjukkan kepadatan referensi, garis vertikal pada statistik uji, dan wilayah penolakan berwarna untuk α yang dipilih. Untuk α dua ekor = 0.05 pada kurva normal, nilai kritis berada dekat ±1.96. Statistik di atas salah satu nilai kritis akan masuk ke dalam bayangan.
Periksa bahwa ekor yang diberi bayangan sesuai dengan arah uji yang dipilih. Statistik negatif besar dengan hanya bayangan ekor atas yang dipilih adalah kesalahan pengaturan, bukan bukti melawan null. Penanda nilai kritis pada plus atau minus 1.96 untuk alpha dua ekor 0.05 memberikan pemeriksaan visual kedua terhadap numerik p.
Jika garis statistik berada di dalam tengah yang tidak berwarna sementara p masih dilaporkan, visual dan angka setuju: gagal menolak pada α tersebut. Gunakan grafik untuk memeriksa kesalahan tanda (z negatif besar dengan hanya bayangan ekor atas yang dipilih).
Pahami apa arti nilai p
Lima kesalahan pembacaan mendominasi kesalahan yang dipublikasikan, dan masing-masing salah karena alasan spesifik yang dijelaskan di bawah. Nilai p adalah probabilitas ekor di bawah model nol, bukan probabilitas langsung bahwa hipotesis benar, bukan ukuran efek, dan bukan peluang replikasi. Batas 0.05 adalah sebuah konvensi, dan hasil yang tidak signifikan bukanlah bukti tidak ada efek.
1. Nilai p bukanlah probabilitas bahwa hipotesis nol itu benar. Itu adalah probabilitas data setidaknya seekstrem ini *jika* nilai nol benar. Itu adalah kondisioning yang berbeda. Membingungkannya mengubah probabilitas ekor menjadi taruhan langsung pada hipotesis.
2. Nilai p bukanlah ukuran efek. Perbedaan kecil mencapai p < 0.05 dengan sampel yang cukup besar. Laporkan secara terpisah perbedaan rata-rata, rasio risiko, atau efek standar; jangan perlakukan p kecil sebagai "efek besar."
3. Nilai p bukanlah probabilitas replikasi. P dari 0.03 tidak berarti studi pengulangan memiliki peluang 97% untuk menemukan hasil yang sama. Replikasi bergantung pada daya, ukuran efek sebenarnya, dan desain studi.
4. Ambang batas 0.05 adalah sebuah konvensi, bukan hukum alam. p = 0.049 dan p = 0.051 adalah bukti yang hampir identik. Memisahkan mereka menjadi "signifikan" dan "tidak" untuk kebiasaan jurnal tidak menciptakan garis tegas dalam data.
5. Tidak signifikan bukan berarti "tidak ada efek." Gagal mencapai α mungkin berarti studi kurang berdaya. Tidak adanya bukti bukanlah bukti ketidakhadiran; periksa interval kepercayaan dan kekuatan sebelum mengklaim temuan nol.
Poin-poin ini sejalan dengan pernyataan 2016 dari American Statistical Association tentang nilai p. Kalkulator masih membandingkan p dengan α karena alur kerja itulah yang dibutuhkan oleh tugas kuliah dan banyak protokol; bagian di atas adalah yang menjaga angka tersebut agar tidak terlalu dibaca.
Baca nilai kritis untuk alpha yang dipilih
Nilai kritis adalah batas pada skala statistik yang sesuai dengan aturan alfa dan ekor yang dipilih. Untuk uji normal dua ekor, nilainya sekitar 1.645 pada 0.10, 1.960 pada 0.05 dan 2.576 pada 0.01. Tolak ketika nilai absolut z melebihi nilai kritis, yang setara dengan p kurang atau sama dengan alfa.
Untuk tes T, batas waktu juga bergantung pada derajat kebebasan.
| α | Kritikal | z | |
|---|---|---|---|
| 0.10 | 1.645 | ||
| 0.05 | 1.960 | ||
| 0.01 | 2.576 |
Tolak ketika |z| melebihi nilai kritis (setara dengan p ≤ α). Untuk uji t, nilai kritis bergantung pada df dan lebih besar dari z untuk sampel kecil. Kalkulator Interval Kepercayaan menggunakan nilai kritis yang sama saat membangun interval.
Melaporkan nilai p tanpa jebakan biasa
Laporkan p yang tepat ketika perangkat lunak menyediakannya, bukan hanya bintang atau lencana "p kurang dari 0.05". Pasangkan dengan ukuran efek atau interval kepercayaan agar pembaca dapat menilai besaran. Pra-commit pada alpha dan aturan satu versus dua ekor dalam rencana analisis ketika pekerjaan bersifat konfirmasi.
Analisis eksploratori masih menghasilkan nilai p, tetapi harus diberi label sebagai eksplorasi. Beberapa uji yang tidak disesuaikan meningkatkan peluang setidaknya satu positif palsu; masalah ini tidak diselesaikan oleh kalkulator ini, dan tidak diselesaikan dengan beralih secara diam-diam dari dua ekor ke satu ekor setelah melihat tanda.
Pertanyaan yang sering diajukan
Apa itu p-value?
Nilai p adalah probabilitas, di bawah hipotesis nol, untuk memperoleh statistik uji yang setidaknya seekstrem yang diamati. P yang lebih kecil berarti data kurang kompatibel dengan nol di bawah model tersebut.
Apa itu alpha?
Alpha (α) adalah tingkat signifikansi yang telah dipilih sebelumnya yang digunakan sebagai batas penolakan/kegagalan untuk menolak, umumnya 0.05. Ini adalah pilihan kebijakan untuk pengendalian kesalahan, bukan konstanta yang ditemukan.
Haruskah saya menggunakan tes satu ekor atau dua ekor?
Gunakan two-tailed kecuali hipotesis arah telah ditentukan sebelum melihat data. Tes one-tailed lebih mudah untuk "diluluskan" dan sering disalahgunakan setelah dilakukan.
Apakah p = 0.049 secara signifikan berbeda dari p = 0.051?
Tidak. Mereka mewakili kekuatan bukti yang hampir sama. Garis terang pada 0.05 bersifat konvensional.
Apakah nilai p yang signifikan membuktikan hipotesis penelitian?
Tidak. Ini menunjukkan data yang tidak biasa di bawah null pada α yang dipilih, mengingat asumsi model. Model yang membingungkan, bias, dan salah masih mungkin terjadi.
Apakah hasil yang tidak signifikan tidak membuktikan adanya efek?
Tidak. Studi ini mungkin kurang berdaya. Laporkan interval dan pertimbangkan ukuran efek sebelum mengklaim kesimpulan nol.
Statistik tes mana yang sebaiknya saya masukkan?
Masukkan statistik yang dihasilkan prosedur Anda: z untuk uji normal sampel besar, t untuk uji rata-rata dengan estimasi σ, chi-kuadrat untuk banyak uji kategori, F untuk banyak uji rasio varians. Cocokkan df dengan output yang sama.
Bagaimana nilai p dua ekor dihitung dari z?
Temukan area satu ekor di luar |z|, lalu gandakan. Untuk z = 2.0, satu ekor ≈ 0.0228 dan dua ekor ≈ 0.0455.
Apakah perangkat lunak bisa sedikit berbeda pendapat tentang p?
Ya. Algoritma ekor dan pembulatan berbeda pada desimal keempat. Perbedaan pendapat pada dua desimal pertama biasanya berarti ekor yang salah, df yang salah, atau keluarga distribusi yang salah.
Ringkasan
Kalkulator Nilai P mengubah statistik z, t, chi-kuadrat, atau F menjadi nilai p, membandingkannya dengan α dan memberi bayangan pada wilayah penolakan. Z berekor dua = 2.0 menghasilkan p ≈ 0.0455, yang menolak pada 0.05 dan bukan pada 0.01.
Nilai p bukanlah probabilitas null benar, bukan ukuran efek, bukan probabilitas replikasi; 0.05 adalah konvensi; dan non-signifikansi bukanlah bukti tidak ada efek.
Gunakan halaman ini untuk keputusan signifikansi; gunakan Kalkulator Z-Score ketika Anda hanya membutuhkan skor standar dan area kurva.