مباني نظري و فلسفي آزمون فرضيه آماري به زبان ساده

Theoretical and philosophical foundations of

چكيده هدف: هدف از پژوهش حاضر، جستجو در مباني نظري آزمون فرضيه‌هاي آماري و نگاهي به مفاهيم منطقي و فلسفي و همچنين نتايج عملي اين رويكرد علمي در توليد دانش نو بوده است. روش‌شناسي: بدين منظور، بدنه ادبيات علمي موجود در مباني، راهكارها و كاربردها، و فنون محاسباتي آزمون فرضيه براي دسترسي به رابطه‌هاي علّت و معلولي و همبستگي بررسي شده‌اند. در پايان، استنتاج‌هاي منطقي و فلسفي كه عمدتاً برداشت‌هاي نويسنده از آن‌ها به كمك حدود چهل سال تدريس و تجربه در اين وادي بوده، بيان شده است. يافته‌ها: نتايج نشان داد كه استنباط هاي آماري هميشه سه نوع اشتباه را دربردارد: اشتباه نوع اول، اشتباه نوع دوم و ساير اشتباهاتي كه در فرايند مطالعه ممكن است براي محقّق اتفاق بيفتد (انحراف استاندارد يا معيار). يافته‌هاي آمار استنباطي هنگامي ارزشمندند كه كمترين ميزان اشتباه و خطا را داشته باشند. براي رسيدن به اين هدف، ميزان احتمال اشتباه نوع اول را پژوهشگر كنترل مي كند، همچنين اشتباه نوع دوم، با افزايش شدت متغير مستقل، افزايش تعداد آزمودني و استفاده از روش ها يا آمار پارامتري به جاي غيرپارامتري كنترل مي‌شود. نهايتاً، براي كاهش اشتباه يا انحراف استاندارد راه هاي مختلفي در علوم آمار و روش هاي پژوهش وجود دارند. قابل توجّه است كه خطاهاي تصميم گيري هاي آماري نوع اول و دوم با يكديگر رابطه معكوسي دارند، از اين رو هر كدام به بهاي افزايش ديگري كاهش پيدا مي كند. ضمناً از ديدگاه كاربردي، اشتباه نوع اول يافته هاي بدون فايده و اثر را به جامعه توصيه مي كند، درحالي‌كه اشتباه نوع دوم جامعه را از اطلاعات مفيد و اثربخش محروم مي‌سازد. نتيجه‌گيري: قطعاً با اشتباهات پژوهشگر، جامعه از هر دو سو دچار خسارت مي شود. انتخاب پژوهشگر بين دو نوع اشتباه اول را ميزان اهميت كاربرد نتيجه تعيين مي كند. واژه‌هاي كليدي: استنباط آماري، توانايي آزمون، انواع اشتباه تصميم‌گيري آماري، اشتباه استاندارد، انحراف استاندارد.

Abstract Objective: The purpose of the study was to investigate the theoretical foundations of hypothesis testing and to look into its rational and philosophical concepts and practical implications of this scientific process in generating new knowledge. Methodology: To this end, the existing literature and leading references on the scientific bases, procedures, and statistical methods in relation to hypothesis testing in order to determine cause and effect relationship or the correlation between the variables were purposefuly studied. The rational, philosophical, and practical considerations and inferences which are presented in the present article are the result of the author’s nearly forty years of experience and teaching in these domains. Results: The results of the studies indicated that almost all the statistical inferences encompass three kinds of errors: Type I, Type II, and other types of errors that researchers may make during the process of their studies (Standard Deviation). The inferential statistics results are valuable when they have least amount of mistakes and errors. To achive this goal, the Type I error can be controlled by minimizing the probability of its occurrence by the researcher. Type II error isdecreased by undertaking provisions like: adding the intensity of independent variable, increasing the number of the participants, choosing a higher degree of probability for Type I error, and using parametric statistical methods instead of nonparametric ones. Ultimately, there is a considerable number of statistical and research method techniques for lowering the indices of variability and deviations of the scores. Interestingly enough, there is a negative relationship between Type I and Type II error. In other words, lowering the probability of one of them will have an incremental effect on the other. From a practical standpoint, Type I error recommends inefficient and unproductive knowledge to the target population; whereas, Type II error may deprive people from useful and effective information. Conclusion: Researchers’ mistakes may absolutely create double-sided damages to society. The researcher’s choice between the first two types of errors relies on the significance of the application of the results. Key Words: Statistical inference, Power of the test, Types of error, Standard deviation, Standard error.