Aproape orice student știe că un p sub 0,05 înseamnă „rezultat semnificativ”. Mult mai puțini pot spune ce înseamnă asta cu adevărat, iar la susținere se vede imediat cine a înțeles cifra și cine a copiat-o din tabel. Valoarea p e probabil cel mai citat număr din cercetare și, în același timp, cel mai prost înțeles. Hai să vedem ce spune, ce nu spune, și cum o pui pe hârtie într-o lucrare de licență sau o disertație fără să te împiedici la întrebarea coordonatorului.
Ce spune, de fapt, valoarea p
Valoarea p este probabilitatea de a obține date cel puțin la fel de extreme ca ale tale, presupunând că ipoteza nulă este adevărată. Merită recitită fraza, pentru că fiecare cuvânt din ea contează.
Ipoteza nulă (H0) spune, de regulă, că „nu există nicio diferență” sau „nu există nicio legătură”. Dacă compari notele la examen între două metode de predare, nula susține că cele două metode dau aceleași rezultate. Dacă verifici dacă orele de studiu prezic media, nula susține că între cele două nu există nicio relație. Valoarea p răspunde la o întrebare condiționată: în ipoteza că nula e adevărată, cât de probabil ar fi ca simpla întâmplare a eșantionării să producă date la fel de extreme ca ale tale?
Un exemplu concret ajută. Compari scorurile la un test între două grupuri și găsești o diferență de 5 puncte. O valoare p de 0,03 înseamnă: dacă între grupuri chiar nu ar exista nicio diferență, ai vedea o distanță de 5 puncte sau mai mare în doar 3 din 100 de eșantioane extrase la întâmplare. Acel 3% nu este probabilitatea ca grupurile să fie identice. Este probabilitatea de a-ți vedea datele (sau unele mai extreme) într-o lume în care grupurile chiar sunt la fel.
Ronald Fisher a propus pragul de 0,05 prin anii 1920. L-a descris ca pe un reper comod, bun pentru a semnala rezultatele care merită o a doua privire. Nu l-a gândit niciodată ca pe o graniță absolută care desparte „adevărul” de „fals”. Fisher însuși scria că niciun prag unic nu ar trebui aplicat mecanic la orice cercetare. Aproape un secol mai târziu, pragul de 0,05 e tratat ca literă de lege în mai toate cursurile de statistică și în ghidurile de redactare a lucrărilor.
Cinci lucruri pe care valoarea p nu le spune
Prima confuzie, și cea mai răspândită, sună așa: „p = 0,03 înseamnă că există 3% șanse ca ipoteza nulă să fie adevărată”. Greșit. Valoarea p se calculează pornind de la presupunerea că nula e deja adevărată. Nu se poate întoarce apoi să-ți spună cât de probabilă e nula în sine. Ca să afli probabilitatea ca o ipoteză să fie adevărată, ai nevoie de metode bayesiene și de o distribuție de probabilitate inițială, lucruri pe care o valoare p obișnuită nu ți le oferă. Cifra 0,03 spune ceva despre date, nu despre ipoteză.
A doua confuzie: „un p sub 0,05 îmi demonstrează ipoteza”. O valoare p mică arată că datele observate ar fi neobișnuite sub ipoteza nulă. Nu confirmă ipoteza alternativă. Rezultatul tău ar putea fi explicat de variabile de confuzie pe care nu le-ai controlat, de erori de măsurare, de un eșantion nereprezentativ sau pur și simplu de hazard, care, la un prag de 5%, se întâmplă o dată la 20 chiar și când nula e adevărată. A respinge nula nu e totuna cu a demonstra alternativa. E, în cel mai bun caz, un motiv să iei alternativa în serios.
A treia: „p = 0,06 înseamnă că rezultatul nu e real”. Aici lovește tirania pragului. Un rezultat cu p = 0,048 se publică, se citează, se laudă. Unul cu p = 0,052 se îngroapă, se rescrie sau dispare discret din lucrare. Diferența dintre cele două cifre e neînsemnată, dar consecințele sunt uriașe. În 2016, Asociația Americană de Statistică a publicat o poziție oficială care avertiza exact împotriva acestei gândiri în alb și negru. Un p de 0,06 rămâne o dovadă rezonabil de puternică împotriva nulei. Pragul de 0,05 e o convenție, nu o lege a naturii.
A patra: „cu cât p e mai mic, cu atât efectul e mai mare”. Această idee face pagube reale în cercetarea aplicată. Valoarea p amestecă mărimea efectului cu volumul eșantionului. O diferență banală de 0,3 puncte pe o scală de 100 poate produce p sub 0,001 dacă eșantionul e destul de mare, să zicem 10.000 de subiecți. Testul are atâta putere statistică încât detectează diferențe de care nu îi pasă nimănui. Cât de mare este efectul îți spun indicatori precum d al lui Cohen, eta pătrat (η²) sau raportul șanselor. Un p minuscul cu un efect minuscul este un nimic semnificativ statistic. Diferența dintre cele două teste și indicatorii lor e explicată în articolul despre alegerea dintre testul t și ANOVA.
A cincea: „un rezultat nesemnificativ înseamnă că nu există niciun efect”. Aici se confundă lipsa dovezii cu dovada lipsei. Dacă ai testat 15 subiecți pe grup și ai obținut p = 0,18, nu poți conchide că nu există nicio diferență. Eșantionul poate fi pur și simplu prea mic pentru a prinde un efect real, dar modest. E o problemă de putere statistică. Un studiu cu 80% putere de a detecta un efect mediu (d = 0,50) la un prag de 0,05 are nevoie de aproximativ 64 de subiecți pe grup. Cu doar 15 pe grup, puterea scade sub 25%, adică ai rata un efect mediu real de trei ori din patru. Nesemnificația într-un studiu subdimensionat nu-ți spune aproape nimic. Cât de mulți subiecți îți trebuie de fapt afli în ghidul despre volumul eșantionului.
Semnificație statistică și semnificație practică
Aici cad multe lucrări. Un rezultat semnificativ statistic poate fi lipsit de orice sens practic, iar un rezultat cu sens practic poate să nu atingă pragul de semnificație.
Ia un studiu cu 5.000 de participanți care găsește că o metodă nouă de predare ridică scorurile la examen cu 0,8 puncte pe o scală de 100 (p = 0,01, d = 0,04). Rezultatul e semnificativ statistic. Efectul e neglijabil. Niciun decan și niciun profesor nu rescrie o programă pentru mai puțin de un punct. Eșantionul mare a dat testului destulă putere ca să semnaleze o diferență care există doar într-un sens tehnic, matematic.
Se întâmplă și invers. Un studiu-pilot cu 20 de participanți pe grup găsește o diferență de 8 puncte la examen, dar intervalul de încredere larg și eșantionul mic produc p = 0,09. Mărimea efectului e d = 0,65, adică medie spre mare. O îmbunătățire de 8 puncte e genul de rezultat care ar schimba practica din sala de curs. Studiul însă „a picat” testul de semnificație pentru că era prea mic ca să dea estimări precise.
Tocmai de aceea mărimea efectului și intervalele de încredere contează mai mult decât valoarea p singură. Un interval de încredere de la 0,2 la 15,8 în jurul acelei diferențe de 8 puncte îți spune că efectul real e probabil pozitiv, dar poate fi și mic, și mare. E o informație utilă. Eticheta binară „semnificativ sau nu” o aruncă aproape în întregime. Subiectul e tratat pe larg în articolul despre semnificația statistică și cea practică. Majoritatea comisiilor se așteaptă azi să vadă mărimea efectului lângă valoarea p; dacă lucrarea ta raportează doar valori p, pregătește-te de întrebări.
Cum raportezi valoarea p în stil APA
Stilul APA are reguli clare pentru felul în care apare valoarea p în text. Raportezi valoarea exactă, cu două sau trei zecimale: p = 0,032, nu p < 0,05. Singura excepție: când p e mai mic decât 0,001, scrii p < 0,001, ca să nu înșiri un lung șir de zerouri. În revistele internaționale, care aplică APA în engleză, se scrie fără zero înaintea virgulei (p = .032), pentru că valoarea p nu poate depăși 1; în textul românesc, cu virgula ca separator zecimal, mulți coordonatori acceptă și forma cu zero. Întreabă-ți coordonatorul ce convenție preferă și rămâi consecvent în toată lucrarea.
Valoarea p merge întotdeauna cu statistica de test și cu gradele de libertate. La testul t: t(38) = 2,24, p = 0,031, d = 0,72. La ANOVA: F(2, 87) = 6,42, p = 0,003, η² = 0,13. La chi-pătrat: χ²(2, N = 150) = 8,91, p = 0,012, V = 0,24. La corelație: r(48) = 0,41, p = 0,003. În toate acestea, literele care denumesc statistici (t, F, r, p, N) se scriu cu caractere cursive. Nimic nu se scrie îngroșat.
O frază-model pentru capitolul de rezultate arată cam așa: „Participanții din grupul de intervenție au raportat un nivel de anxietate semnificativ mai mic (M = 28,4, SD = 5,1) decât cei din grupul de control (M = 33,7, SD = 6,3), t(78) = 4,32, p < 0,001, d = 0,97.” Observă ce cuprinde fraza: mediile grupurilor, abaterile standard, statistica de test, gradele de libertate, valoarea p exactă și mărimea efectului. Așa arată un raport statistic complet. O frază care spune doar „rezultatul a fost semnificativ (p < 0,05)” e incompletă după standardele de azi. Dacă încă nu te-ai hotărât ce test să aplici, pornește de la ghidul despre cum alegi testul statistic potrivit.
Greșeli pe care le vedem des în lucrări
După peste 300 de lucrări trecute prin mână, anumite tipare revin. Primul: „rezultatele au fost foarte semnificative” sau „extrem de semnificative”. APA nu recunoaște grade de semnificație. Un rezultat fie trece pragul stabilit dinainte, fie nu. Cuvântul „foarte” nu adaugă nimic, în afară de impresia că nu prea știi ce înseamnă semnificația. Scrie „diferența a fost semnificativă statistic” și lasă mărimea efectului să arate cât de mare a fost.
Al doilea: rotunjirea lui p = 0,047 la „p < 0,05”. Raportează valoarea exactă. Când un evaluator vede „p < 0,05” într-o lucrare, se întreabă care era cifra reală și de ce n-ai trecut-o. Rotunjirea în direcția asta lasă impresia că forțezi un rezultat la limită. La fel se întâmplă și cu rotunjirea lui p = 0,0003 la „p < 0,001” când valoarea exactă ar spune mai mult. La capătul de jos, p < 0,001 e convenția acceptată, dar peste 0,001 dai mereu cifra exactă.
Al treilea: raportarea doar a rezultatelor semnificative. În lucrarea ta, selecția a ceea ce arăți e și mai gravă decât în cercetarea publicată. Coordonatorul și comisia se așteaptă să vadă fiecare test pe care l-ai aplicat, inclusiv cele care au ieșit nesemnificative. Omiterea lor nu e doar practică proastă; unele universități o tratează ca abatere de la integritatea academică. Dacă ai făcut 12 comparații și 2 au ieșit semnificative, le raportezi pe toate 12. Rezultatele nesemnificative fac parte din poveste.
Al patrulea: să nu calculezi niciodată mărimea efectului. O lucrare care raportează doar valori p va primi întrebări de la orice membru al comisiei la curent cu metodologia. d al lui Cohen pentru comparații de grupuri, η² sau η² parțial pentru ANOVA, V al lui Cramér pentru chi-pătrat și r sau R² pentru corelații și regresie sunt așteptări standard. Fără ele, cititorul nu poate judeca dacă un rezultat semnificativ statistic chiar contează.
De reținut: valoarea p îți spune cât de surprinzătoare ar fi datele tale dacă nu s-ar întâmpla nimic. Nu îți spune probabilitatea ca ipoteza să fie corectă și nu spune nimic despre cât de mare e efectul. Raportează valoarea exactă, pune-o lângă mărimea efectului și lasă cititorul să decidă.
Întrebări frecvente
Ce înseamnă de fapt p = 0,05?
Înseamnă că, dacă în populație nu ar exista niciun efect, ai avea 5% șanse să obții date cel puțin la fel de extreme ca ale tale doar din întâmplarea eșantionării. Nu înseamnă că ai 95% șanse ca ipoteza ta să fie adevărată și nici că ai 5% șanse să fi greșit.
Poate valoarea p să fie exact 0?
Nu. Poate fi foarte mică, dar niciodată exact zero. Când SPSS afișează ,000 în coloana Sig., a rotunjit o valoare foarte mică la trei zecimale. O raportezi ca p < 0,001, nu ca p = 0,000. Copierea lui „,000” direct din tabel e semnul clar că ai luat cifra fără s-o înțelegi.
Dacă p este sub 0,05, mi-am demonstrat ipoteza?
Nu. O valoare p mică arată doar că datele ar fi puțin probabile dacă ipoteza nulă ar fi adevărată. Nu spune nimic despre cât de mare e efectul sau dacă el contează în practică, motiv pentru care stilul APA cere să raportezi și mărimea efectului lângă valoarea p.