2.2 Hypotesetesting og p-verdier

Hypotesetesting og p-verdier

Hypotesetesting er det mest sentrale verktøyet i statistisk analyse. Det gir oss en systematisk metode for å avgjøre om et observert resultat er «ekte» eller bare kan skyldes tilfeldigheter.

Læringsmål:
- Formulere nullhypotese og alternativ hypotese
- Forstå og tolke p-verdier korrekt
- Forklare signifikansnivå og dets rolle
- Skille mellom type I-feil og type II-feil
- Gjennomføre en enkel hypotesetest steg for steg

Nullhypotese og alternativ hypotese

Hypotesetesting begynner alltid med to motstridende påstander:

Nullhypotesen $H_0$ er utgangspunktet — den representerer «status quo» eller antagelsen om at det ikke er noen effekt, forskjell eller sammenheng. Nullhypotesen er den påstanden vi prøver å motbevise.

Alternativhypotesen $H_1$ (eller $H_a$) er forskerens påstand — at det er en effekt, forskjell eller sammenheng. Det er denne vi ønsker å finne støtte for.

Logikken bak hypotesetesting

Hypotesetesting følger en indirekte logikk som ligner reductio ad absurdum (bevis ved selvmotsigelse):

1. Anta at $H_0$ er sann (ingen effekt)
2. Beregn sannsynligheten for å observere et resultat like ekstremt eller mer ekstremt enn det vi faktisk observerte, gitt at $H_0$ er sann
3. Konkluder: Dersom denne sannsynligheten er veldig liten, er det usannsynlig at $H_0$ er sann → vi forkaster $H_0$ til fordel for $H_1$

Vi beviser aldri $H_1$ direkte. I stedet argumenterer vi for at dataene er så usannsynlige under $H_0$ at vi velger å forkaste den.

P-verdier og signifikansnivå

P-verdien er nøkkeltallet i hypotesetesting. Den besvarer spørsmålet: «Dersom nullhypotesen er sann, hva er sannsynligheten for å observere et resultat like ekstremt eller mer ekstremt enn det vi faktisk observerte?»

En liten p-verdi betyr at resultatet er usannsynlig under $H_0$, noe som tyder på at $H_0$ kanskje ikke er sann.

Signifikansnivå $\alpha$

Før vi utfører testen, velger vi et signifikansnivå $\alpha$ — den grensen vi bruker for å avgjøre om p-verdien er «liten nok». Det vanligste valget er $\alpha = 0{,}05$ (5 %).

Beslutningsregel:
- Dersom $p \leq \alpha$: Vi forkaster $H_0$. Resultatet er statistisk signifikant.
- Dersom $p > \alpha$: Vi forkaster ikke $H_0$. Vi har ikke nok evidens til å konkludere med at det er en effekt.

Vanlige misforståelser om p-verdier

P-verdien er et av de mest misforståtte begrepene i vitenskap:

- P-verdien er IKKE sannsynligheten for at $H_0$ er sann
- P-verdien er IKKE sannsynligheten for at resultatet skyldes tilfeldigheter
- P-verdien sier IKKE noe om størrelsen på effekten
- Statistisk signifikans betyr IKKE nødvendigvis praktisk betydning

P-verdien er bare sannsynligheten for dataene (eller mer ekstreme data) gitt at $H_0$ er sann. Det er en betinget sannsynlighet: $P(\text{data} \mid H_0)$.

Type I-feil og type II-feil

Enhver statistisk beslutning kan være feil. Det finnes to typer feil:

Type I-feil (falsk positiv): Vi forkaster $H_0$ selv om den faktisk er sann. Vi konkluderer feilaktig med at det er en effekt når det ikke er det. Sannsynligheten for type I-feil er lik signifikansnivået $\alpha$.

Type II-feil (falsk negativ): Vi forkaster ikke $H_0$ selv om den faktisk er usann. Vi overser en reell effekt. Sannsynligheten for type II-feil betegnes $\beta$.

Teststyrke (power)

Teststyrken øker med:

- Større utvalgsstørrelse $n$ — mer data gir mer presis statistikk

- Større effektstørrelse — jo større den sanne effekten er, desto lettere er den å oppdage

- Høyere signifikansnivå $\alpha$ — men dette øker også risikoen for type I-feil
- Mindre variasjon i dataene — mindre «støy» gjør det lettere å se «signalet»
En vanlig tommelregel er at teststyrken bør være minst 0,80 (80 %). Det betyr at vi aksepterer en 20 % risiko for å overse en reell effekt.

Oppsummering

- Nullhypotesen $H_0$ representerer «ingen effekt» og er utgangspunktet for enhver hypotesetest.
- Alternativhypotesen $H_1$ er forskerens påstand om at det er en effekt. Den kan være tosidig eller ensidig.
- P-verdien er sannsynligheten for å observere data like ekstreme eller mer ekstreme enn de observerte, gitt at $H_0$ er sann.
- Vi forkaster $H_0$ dersom $p \leq \alpha$. Standard signifikansnivå er $\alpha = 0{,}05$.
- Type I-feil (falsk positiv) er å forkaste en sann $H_0$ — sannsynlighet lik $\alpha$.
- Type II-feil (falsk negativ) er å ikke forkaste en usann $H_0$ — sannsynlighet lik $\beta$.
- Teststyrken $1 - \beta$ bør være minst 0,80 og øker med utvalgsstørrelse, effektstørrelse og signifikansnivå.
- P-verdien sier ikke noe om sannsynligheten for at $H_0$ er sann, og heller ikke om effektens praktiske betydning.