merkitsevyysanalyysin

Merkitsevyysanalyysi on tilastollinen menetelmä, jolla arvioidaan, ovatko havaittu vaikutus tilastollisesti merkitsevä suhteessa nollahypoteesiin. Merkitsevyys tarkoittaa sitä, että havainnon todennäköisyys syntyä sattumanvaraisesta vaihtelusta on pienempi kuin ennalta määritetty merkitsevyystaso.

Menetelmää sovelletaan monenlaisissa tutkimuksissa; yleisiä lähestymistapoja ovat p-arvon laskeminen testistatistiikalla (esim. t-testi, ANOVA, Khi-neliö), sekä ei-parametritiset tai permutaatiopohjaiset menetelmät. Kun useita testejä suoritetaan samanaikaisesti, syntyy virheellisen positiivisen tuloksen riski; tämän vuoksi käytetään korjausmenetelmiä kuten Bonferroni, Holm tai kontrolloitu väärän löytämisen määrä (false discovery rate, FDR) kuten Benjamini-Hochberg.

Erityisalojen, kuten genomitutkimuksen, yhteydessä merkitsevyysanalyysiä käytetään erilaisten ilmaisutekijöiden tai geenien eriyttämisen löytämiseksi ryhmien välillä. Esimerkiksi Significance Analysis of Microarrays (SAM) on erityinen lähestymistapa, joka käyttää permutaatiotestiä ja FDR-kontrollia suurten geneettisten ilmaisujen joukossa.

Merkitsevyysanalyysi ei kuitenkaan mittaa vaikutuksen suuruutta eikä käytännön merkittävyyttä, ja tulosten tulkinnassa on huomioitava otoskoko sekä konteksti. P-arvot voivat antaa virheellisiä vaikutelmia, jos oletukset ovat epätyydyttävät tai tutkimusasetelma on altis piilotetulle harhautukselle.