التحول من المعنوية الإحصائية إلى عامل بايز وأثره المتوقع على نتائج البحوث العلمية (دراسة إحصائية)

Abstract

اعتمد النهج الرئيسي للاستدلال الإحصائي على القيمة الاحتمالية p-value. فعندما تكون أقل من مستوى المعنوية (0.05 مثلًا)، يكون هناك دليلًا كافيًا على معنوية النتائج إحصائيًا، وتكون النتيجة ضد الفـرض العـدم ولصالح الفرض البديل. بينمـا عندمـا تكـون أكبر من مستوى المعنوية، يكون هناك دليلًا غير كاف على معنوية النتائج إحصائيًا، وتكون النتيجة ضد الفرض البديل ولصالح الفرض العدم. من هنا، استخدم معظم العلماء p-value كما لو كانت مقياسًا مطلقًا للحقيقة، وأن انخفاض قيمتها يُعطي مؤشرًا كبيرًا على أن البيانات تدعم وجود ظاهرة حقيقية. مع ذلك، شهدت السنوات الماضية نقاشًا حيويًا يشكك في دقة الكثير من الأبحاث العلمية التي تعتمد على p-value، الأمر الذي دفع إلى السعي إلى نهج بديل للاستدلال الإحصائي من خلال النظر في تطبيق طرق بديلة. مؤخرًا، أصبح التحليل البايزي أكثر انتشارًا، لأنه يبطل الكثير من سوء الفهم النابع من الإحصاءات المعيارية. فبدلًا من استخدام p-value لرفض أو عدم رفض الفرض العدم، فإن عامل بايز Bayes factor يعمل على جمع كافة المعلومات ذات الصلة من البيانات المشاهدة للمساعدة في اتخاذ القرار. لذا، أصبحت نظرية بايز في السنوات الأخيرة شائعة بشكل متزايد في مجموعة كبيرة من المجالات. 2. مشكلة الدراسة أعلن العديد من العلماء والباحثين خلال السنوات الماضية أن هناك أزمة علمية نتيجة لكثرة الشك في صحة الأبحاث العلمية، كما أن عددًا كبيرًا من النتائج العلمية المنشورة في العديد من المجالات البحثية لا يمكن تكرارها في أبحاث أخرى لأشخاص أخرين، مما أثار الشك أن بعض الاستنتاجات المتحصل عليها تُعد استنتاجات خاطئة. لذلك، أعرب المجتمع الإحصائي عن قلقه العميق إزاء المشاكل المتعلقة بإعادة إنتاج وتكرار الاستنتاجات العلمية، مُشيرًا إلى أن سوء فهم وسوء استخدام الاستدلال الإحصائي يُعد أحد أسباب تلك الأزمة. هذا وقد تطور الجدال كثيرًا حول ما إذا كانت p-value هي المسؤول الأول عن الفشل في تكرار الن