بعد از ماه‌ها نمونه‌گیری، عددی مانند P=0.18 در خروجی تحلیل دیده‌اید و نگرانید که پایان‌نامه «نتیجه نداده» باشد؟ نتیجه غیرمعنادار به‌تنهایی پژوهش را بی‌ارزش نمی‌کند. مسئله اصلی این است که مطالعه چه سؤالی داشته، چه چیزی را با چه دقتی اندازه گرفته و آیا روش و گزارش آن قابل دفاع است. هیچ تحلیل معتبری هم نباید با هدف رسیدن اجباری به عدد کوچک‌تر از ۰٫۰۵ تنظیم شود.
این راهنما برای زمانی است که داده‌ها گردآوری شده‌اند و می‌خواهید با استاد و مشاور آمار درباره تفسیر نتیجه تصمیم بگیرید. مثال‌های عددی آموزشی‌اند و جای تحلیل متناسب با طراحی مطالعه شما را نمی‌گیرند.
پاسخ کوتاه: غیرمعنادار یعنی چه؟
در یک آزمون مشخص، مقدار P نشان می‌دهد داده مشاهده‌شده و داده‌های افراطی‌تر از آن، با فرض مدل آماری و فرض صفر، چقدر ناسازگارند. این عدد احتمال درست‌بودن فرض صفر یا احتمال «تصادفی‌بودن کل پژوهش» نیست. عبورنکردن از آستانه تعیین‌شده نیز اثبات نمی‌کند که اثر دقیقاً صفر است. بیانیه انجمن آمار آمریکا بر پرهیز از نتیجه‌گیری علمی صرفاً بر اساس یک آستانه تأکید دارد.
پس به‌جای جمله «هیچ ارتباطی وجود نداشت»، معمولاً باید روشن‌تر بنویسیم: «در این مطالعه، شواهد آماری کافی برای ارتباط مورد بررسی مشاهده نشد»؛ سپس برآورد، فاصله اطمینان و محدودیت‌ها را بیاوریم. نوع مطالعه و تحلیل می‌تواند شکل دقیق این جمله را تغییر دهد.
اول اندازه اثر و فاصله اطمینان را ببینید
فرض کنید تفاوت میانگین نمره یک پیامد بین دو گروه، ۰٫۳ واحد و فاصله اطمینان ۹۵درصد آن از منفی ۰٫۸ تا مثبت ۱٫۴ باشد. داده‌ها با مجموعه‌ای از تفاوت‌ها سازگارند، از مقداری در یک جهت تا مقداری در جهت دیگر. نتیجه را نباید به «دو گروه یکسان‌اند» تقلیل داد. واحد مقیاس، جهت بهترشدن و میزان تفاوت مهم از نظر کاربردی نیز باید مشخص باشند.
دو مطالعه با P بالاتر از آستانه ممکن است اطلاعات متفاوتی بدهند: یکی فاصله اطمینان بسیار پهن و برآورد نامطمئن داشته باشد؛ دیگری در شرایط مناسب، برآورد دقیق‌تری نزدیک صفر ارائه کند. البته نتیجه‌گیری درباره هم‌ارزی یا عدم‌کم‌اثری به طراحی و حاشیه ازپیش‌تعیین‌شده نیاز دارد و از یک آزمون معمول برتری به‌دست نمی‌آید.
چه چیزهایی را پیش از تفسیر کنترل کنیم؟
- درستی داده: آیا واحدها یکسان‌اند؟ داده گمشده به‌اشتباه صفر ثبت نشده؟ سؤال‌های معکوس پرسش‌نامه درست نمره‌گذاری شده‌اند؟
- تعریف گروه‌ها: کد گروه شاهد و مداخله، زمان پایه و پیگیری یا سطح مرجع مدل درست انتخاب شده است؟
- طراحی: داده‌های جفت‌شده، تکرارشونده یا خوشه‌ای به‌عنوان مشاهدات مستقل تحلیل نشده‌اند؟
- تناسب روش: روش با نوع پیامد، سؤال اصلی، پیش‌فرض‌ها و متغیرهای مهم سازگار است؟
- تکمیل نمونه و پیگیری: تعداد قابل تحلیل برای هر پیامد چقدر بوده و چه کسانی از دست رفته‌اند؟
اگر خطای واقعی پیدا کردید، آن را با دلیل اصلاح و در سابقه تحلیل ثبت کنید. نسخه خام را حفظ کنید؛ جدول تغییرات بنویسید و تحلیل اصلاح‌شده را دوباره کنترل کنید. اصلاح یک خطای مستند با عوض‌کردن انتخاب‌ها تا رسیدن به نتیجه دلخواه تفاوت دارد. برای کنترل فایل، راهنمای آماده‌سازی داده پایان‌نامه را ببینید.
چرا ممکن است نتیجه غیرمعنادار شود؟
ممکن است اثر واقعاً کوچک باشد، ابزار اندازه‌گیری حساسیت کافی نداشته باشد، پراکندگی داده زیاد باشد یا مطالعه برای تشخیص اثر مورد نظر دقت کافی فراهم نکرده باشد. سوگیری انتخاب، خطای اندازه‌گیری، مخدوش‌گری و مدل نامناسب نیز باید بررسی شوند؛ هیچ‌کدام را فقط از روی P نمی‌توان تشخیص داد.
تعداد نمونه را با برنامه مصوب مقایسه کنید، اما «توان پس از مطالعه» محاسبه‌شده از اثر مشاهده‌شده را راهی برای نجات نتیجه ندانید. معمولاً گزارش عدم قطعیت و تحلیل محدودیت‌ها اطلاعات مفیدتری می‌دهد. اگر جذب نمونه ناقص مانده، موضوع را از مسیر بررسی کمبود حجم نمونه پیگیری کنید.
چه کارهایی نتیجه را غیرقابل اعتماد می‌کند؟
حذف افراد صرفاً چون نتیجه را تغییر می‌دهند، امتحان‌کردن ده‌ها آزمون و گزارش فقط خروجی مطلوب، تغییر بی‌دلیل پیامد اصلی یا شکستن متغیر پیوسته به گروه‌های متعدد برای کوچک‌کردن P، می‌تواند نتیجه را گمراه‌کننده کند. تحلیل اکتشافی مجاز است، اما باید از تحلیل ازپیش‌تعیین‌شده جدا و با احتیاط گزارش شود. تحلیل زیرگروه نیز به سؤال روشن و بررسی مناسب تفاوت اثر نیاز دارد؛ معناداری در یک گروه و عدم معناداری در گروه دیگر، خودبه‌خود تفاوت بین گروه‌ها را ثابت نمی‌کند.
فصل نتایج و بحث را چگونه بنویسیم؟
در نتایج، تعداد افراد هر تحلیل، آمار توصیفی، برآورد اثر با واحد روشن، فاصله اطمینان و مقدار P را متناسب با روش بیاورید. مشخص کنید مدل تعدیل‌شده کدام متغیرها را داشته و چرا. اگر برآوردهایی گزارش می‌کنید که قابل مقایسه مستقیم نیستند، آن‌ها را زیر یک عنوان واحد قرار ندهید.
در بحث ابتدا به سؤال اصلی برگردید. یافته را با پژوهش‌های مشابه از نظر جهت، اندازه و دقت مقایسه کنید؛ تفاوت جامعه، ابزار و زمان پیگیری را در نظر بگیرید. بعد محدودیت‌های واقعی را توضیح دهید. از عبارت‌های قطعی مانند «بی‌تأثیری درمان ثابت شد» یا «حجم نمونه تنها علت نتیجه بود» بدون شواهد کافی استفاده نکنید.
نمونه آموزشی گزارش: «تفاوت میانگین مشاهده‌شده ۰٫۳ واحد بود؛ فاصله اطمینان ۹۵درصد از ۰٫۸- تا ۱٫۴ واحد برآورد شد. این مطالعه برای نتیجه‌گیری قطعی درباره جهت و اهمیت کاربردی تفاوت، عدم قطعیت دارد.» اعداد و عبارت باید بر اساس تحلیل واقعی شما تنظیم شوند.
برای جلسه با استاد چه همراه داشته باشیم؟
- سؤال اصلی و نسخه نهایی برنامه تحلیل مصوب؛
- کدبوک، تعداد واقعی نمونه و جدول داده‌های گمشده؛
- خروجی کامل و کد یا دستورهای قابل بازاجرای تحلیل؛
- برآورد اثر، فاصله اطمینان و ملاک اهمیت بالینی یا کاربردی؛
- فهرست خطاهای اصلاح‌شده و تحلیل‌های اکتشافی با برچسب روشن.
پرسش‌های رایج
آیا داور فقط به معنادارشدن نتیجه نمره می‌دهد؟
ارزیابی رسمی را دانشگاه و داوران انجام می‌دهند و نتیجه مشخصی نمی‌توان تضمین کرد. برای دفاع علمی، سؤال معتبر، روش مناسب، اجرای قابل پیگیری و تفسیر صادقانه مهم‌اند؛ خروجی غیرمعنادار به‌تنهایی نشان‌دهنده شکست روش نیست.
می‌توانم برای بهترشدن نتیجه نمونه بیشتری بگیرم؟
ادامه نمونه‌گیری نباید صرفاً به نتیجه مشاهده‌شده و رسیدن به معناداری وابسته شود. هر تغییر باید از نظر روش، مجوز، زمان و قواعد توقف با تیم بررسی و در صورت نیاز تصویب شود.
مدیتورها در این مرحله چه کمکی می‌کند؟
در مشاوره تحلیل آماری می‌توان تناسب روش، کیفیت داده و تفسیر خروجی را بررسی کرد. هدف، تحلیل قابل دفاع و فهم نتیجه است؛ معنادارکردن اجباری یا تضمین پذیرش علمی، خدمت معتبر پژوهشی نیست.
منابع برای مطالعه بیشتر
آخرین بازبینی محتوایی: ۱۲ آبان ۱۴۰۵. نمودارها و مثال‌های این راهنما آموزشی‌اند و به‌عنوان داده یا تصویر واقعی یک پژوهش معرفی نشده‌اند.
