Un valore p contrassegna il tipo io tasso di errore in un'analisi statistica. Errore di tipo I significa rifiutare l'ipotesi nulla quando è, infatti, corretta. L'ipotesi di null è (quasi sempre) una dichiarazione che i due gruppi non sono diversi, o che non esiste alcuna relazione tra alcune variabili, o un'altra istruzione che cosa ci aspettiamo di trovare, in realtà, inesistente. Quindi un errore di tipo 1 è dicendo che qualcosa sta accadendo quando, in realtà, nulla è. Tutto questo si basa sull'idea che noi abbiamo solo un campione da una popolazione.
Perché combinare valori di P?
In alcuni casi, gli studi di multiplo sono circa lo stesso fenomeno. Ad esempio, ci sono molti studi che esaminano la relazione fra il fumo e i tassi di cancro. Ognuno di questi fornirà un valore p. Combinando gli studi multipli, è possibile ottenere stime più precise di quanto sta accadendo su.
L'Idea di metodo di Fisher
Dato un insieme di valori di p da studi indipendenti, metodo di Fisher deve prima prendere il logaritmo naturale di ogni valore di p, moltiplicando ogni risultato per -2 e poi li sommando. La somma risultante è distribuita come una statistica chi-quadrato con 2L gradi di libertà, dove L è il numero di valori di p. Il p-valore di questa somma può essere ottenuto da tabelle statistiche, da software statistici come SAS, R o SPSS, da Excel o da alcune calcolatrici scientifiche.
Pericoli di combinare i valori di P: interpretando male il risultato
Un pericolo di combinare i valori di p è misinterpreting il risultato. Questo è parte di ciò che Stephen Ziliak e Deirdre McCloskey chiamano il "culto di significatività statistica." Combinando i campioni, dimensioni sempre più piccole effetto diventerà statisticamente significative. Ma la significatività statistica non implica l'importanza pratica. Si supponga, ad esempio, che è stato trovato che una dieta particolare ha condotto ad una perdita di peso di 1 oncia al mese. Se il numero sufficiente di campioni sono stati combinati, questo sarebbe statisticamente significativo, ma poche persone si preoccupano di una dieta che ha portato a un piccolo effetto.
Alternative alla combinazione di valori di P
Piuttosto che combinare valori di p, è spesso una buona idea di combinare i formati di effetto. La dimensione dell'effetto potrebbe essere una differenza tra due gruppi, o un coefficiente di regressione, o un rapporto di probabilità o qualsiasi numero di altre misure, a seconda di quale statistica è stato utilizzato. Questo tipo di analisi è chiamato meta-analisi, che è uno studio a sé stante.