มีเหตุผลที่ดีสำหรับมัน
ค่าสามารถพบได้ผ่าน noquote(unlist(format(.Machine)))
double.eps double.neg.eps double.xmin
2.220446e-16 1.110223e-16 2.225074e-308
double.xmax double.base double.digits
1.797693e+308 2 53
double.rounding double.guard double.ulp.digits
5 0 -52
double.neg.ulp.digits double.exponent double.min.exp
-53 11 -1022
double.max.exp integer.max sizeof.long
1024 2147483647 4
sizeof.longlong sizeof.longdouble sizeof.pointer
8 12 4
หากคุณดูความช่วยเหลือ ( ?".Machine"
):
double.eps
the smallest positive floating-point number x such that 1 + x != 1. It equals
double.base ^ ulp.digits if either double.base is 2 or double.rounding is 0;
otherwise, it is (double.base ^ double.ulp.digits) / 2. Normally 2.220446e-16.
มันคือค่าด้านล่างซึ่งคุณสามารถมั่นใจได้ว่ามูลค่าจะค่อนข้างไร้ความหมายในเชิงตัวเลขซึ่งค่าที่น้อยกว่านั้นไม่น่าจะเป็นการคำนวณค่าที่ถูกต้องที่เราพยายามคำนวณ (เมื่อศึกษาการวิเคราะห์เชิงตัวเลขเล็กน้อยขึ้นอยู่กับว่าการคำนวณดำเนินการโดยวิธีการใดมีโอกาสที่ไม่มีความหมายเชิงตัวเลขที่ดีมาในทางที่เป็นธรรมมากกว่านั้น)
แต่ความหมายทางสถิติจะหายไปก่อนหน้านี้ โปรดทราบว่าค่า p ขึ้นอยู่กับข้อสมมติและยิ่งไกลออกไปเท่าไหร่คุณก็ยิ่งได้ค่า p จริงมากขึ้น (แทนที่จะเป็นค่าที่เราคำนวณ) จะได้รับผลกระทบจากสมมติฐานที่เข้าใจผิดในบางกรณีแม้ว่าพวกเขาจะ เป็นเพียงความผิดเล็กน้อย เนื่องจากสมมติฐานนั้นไม่ได้เป็นที่น่าพอใจเลยทีเดียวค่า p-middling อาจมีความถูกต้องอย่างสมเหตุสมผล (ในแง่ของความแม่นยำสัมพัทธ์บางทีอาจจะเป็นเพียงเศษส่วนเล็กน้อยเท่านั้น) แต่ค่า p น้อยมากอาจมีคำสั่งจำนวนมาก ขนาด.
ซึ่งจะบอกว่าการฝึกตามปกติ (บางอย่างเช่น "<0.0001" ที่คุณพูดเป็นเรื่องธรรมดาในแพ็คเกจหรือกฎ APA ที่ Jaap กล่าวถึงในคำตอบของเขา) อาจไม่ไกลจากการฝึกฝนที่สมเหตุสมผล แต่เป็นจุดโดยประมาณ สูญเสียความหมายนอกเหนือจากการพูดว่า ' มันเล็กมาก ๆ ' แน่นอนว่าจะแตกต่างกันมากขึ้นอยู่กับสถานการณ์
นี่คือเหตุผลหนึ่งที่ทำให้ฉันไม่สามารถแนะนำกฎทั่วไปได้ - มีกฎเดียวที่ไม่เหมาะสำหรับทุกคนในทุกสถานการณ์ - เปลี่ยนสถานการณ์เล็กน้อยและเส้นสีเทากว้างที่ทำเครื่องหมายการเปลี่ยนแปลงจากค่อนข้างมีความหมายถึงค่อนข้าง ความหมายจะไม่มีการเปลี่ยนแปลงบางครั้งโดยทางยาว
หากคุณกำลังจะระบุข้อมูลที่เพียงพอเกี่ยวกับสถานการณ์ที่แท้จริง (เช่นมันถดถอยที่มีนี้ไม่เป็นเชิงเส้นมากว่าจำนวนของการเปลี่ยนแปลงในตัวแปรอิสระนี้นี้ชนิดและปริมาณของการพึ่งพาอาศัยกันในระยะข้อผิดพลาดที่ชนิดและปริมาณของ heteroskedasticity, นี้รูปร่างของกระจายความผิดพลาด) ผมสามารถจำลอง 'ความจริง' P-ค่าสำหรับคุณที่จะเปรียบเทียบกับที่ระบุ P-ค่าเพื่อให้คุณสามารถเห็นเมื่อพวกเขาแตกต่างกันเกินไปสำหรับค่าเล็กน้อยที่จะดำเนินการใด ๆ ที่มีความหมาย
แต่นั่นนำเราไปสู่เหตุผลที่สองว่าทำไม - แม้ว่าคุณจะระบุข้อมูลเพียงพอที่จะจำลองค่า p จริง - ฉันยังคงไม่สามารถรับผิดชอบต่อการถูกตัดออกแม้ในสถานการณ์เหล่านั้น
สิ่งที่คุณรายงานนั้นขึ้นอยู่กับความชอบของผู้คนทั้งคุณและผู้ชมของคุณ ลองนึกภาพคุณบอกฉันเพียงพอเกี่ยวกับสถานการณ์สำหรับผมที่จะตัดสินใจว่าผมอยากจะวาดเส้นที่ระบุของ6}10 - 6p10−6
ดีและดีเราอาจคิดว่า - ยกเว้นฟังก์ชั่นการตั้งค่าของคุณเอง (สิ่งที่ดูเหมาะสมกับคุณคือคุณต้องดูความแตกต่างระหว่างค่า p เล็กน้อยที่ได้รับจากแพ็คเกจสถิติและที่เกิดจากการจำลองเมื่อคุณคิดว่าชุดใดชุดหนึ่ง จากความล้มเหลวของสมมติฐาน) อาจวางไว้ที่และบรรณาธิการของวารสารที่คุณต้องการส่งไปอาจมีกฎครอบคลุมเพื่อตัดที่ในขณะที่วารสารต่อไปอาจวางไว้ ที่และถัดไปอาจไม่มีกฎทั่วไปและตัวแก้ไขเฉพาะที่คุณอาจยอมรับค่าที่ต่ำกว่าที่ฉันให้ ... แต่ผู้ตัดสินคนใดคนหนึ่งอาจจะถูกตัดออก! 10 - 4 10 - 310−510−410−3
ในกรณีที่ไม่มีความรู้เกี่ยวกับฟังก์ชั่นการตั้งค่าและกฎระเบียบและการไม่มีความรู้เกี่ยวกับสาธารณูปโภคของคุณเองฉันจะแนะนำตัวเลือกทั่วไปของการกระทำสิ่งที่ควรทำอย่างไร?
อย่างน้อยฉันก็สามารถบอกคุณถึงสิ่งต่าง ๆ ที่ฉันทำ (และฉันไม่แนะนำนี่เป็นทางเลือกที่ดีสำหรับคุณเลย):
มีบางสถานการณ์ (นอกเหนือจากการจำลองค่า p) ซึ่งฉันจะทำให้ค่า ap น้อยกว่า (ฉันอาจหรืออาจจะไม่พูดถึงค่าที่รายงานโดยแพ็คเกจ แต่ฉันจะไม่ทำอะไรเลย มันนอกจากที่เล็กมากฉันมักจะเน้นความหมายของจำนวนที่แน่นอน) บางครั้งฉันก็ใช้ค่าบางแห่งในพื้นที่ถึงและบอกว่า p น้อยกว่านั้นมาก ในบางครั้งฉันทำตามที่แนะนำข้างต้น - จำลองสถานการณ์บางอย่างเพื่อดูว่าค่า p-value นั้นละเอียดอ่อนเพียงใดเพื่อการละเมิดข้อสันนิษฐานต่างๆโดยเฉพาะอย่างยิ่งหากมีการละเมิดประเภทใดที่ฉันเป็นห่วง 10 - 5 10 - 410−610−510−4
นั่นเป็นประโยชน์อย่างมากในการแจ้งทางเลือก - แต่ฉันมีแนวโน้มที่จะหารือเกี่ยวกับผลลัพธ์ของการจำลองว่าจะใช้พวกเขาเพื่อเลือกค่าตัดค่าให้โอกาสผู้อื่นในการเลือกของตัวเอง
ทางเลือกในการจำลองคือการดูที่โพรซีเดอร์บางอย่างที่มีความแข็งแกร่งมากขึ้น * กับความล้มเหลวที่อาจเกิดขึ้นจากการสันนิษฐานและดูว่าความแตกต่างของค่า p ที่อาจเกิดขึ้น ค่า p ของพวกเขายังไม่ได้มีความหมายโดยเฉพาะอย่างยิ่ง แต่อย่างน้อยพวกเขาก็ให้ความรู้สึกถึงผลกระทบที่อาจเกิดขึ้น หากมีบางอย่างแตกต่างจากที่ระบุเล็กน้อยมันก็ให้ความคิดที่ละเมิดสมมติฐานในการตรวจสอบผลกระทบของ แม้ว่าคุณจะไม่ได้รายงานทางเลือกใด ๆ ก็ตามมันก็ให้ภาพที่ดีขึ้นว่า p-value ของคุณมีความหมายอย่างไร
* โปรดทราบว่าที่นี่เราไม่จำเป็นต้องมีขั้นตอนที่แข็งแกร่งต่อการละเมิดสมมติฐานบางประการ คนที่ได้รับผลกระทบน้อยกว่าจากการเบี่ยงเบนค่อนข้างน้อยของสมมติฐานที่เกี่ยวข้องควรจะดีสำหรับการออกกำลังกายนี้
ฉันจะบอกว่าเมื่อ / หากคุณทำแบบจำลองดังกล่าวแม้ว่าจะมีการละเมิดที่ไม่รุนแรงนักในบางกรณีก็อาจเป็นเรื่องที่น่าแปลกใจว่าถึงแม้ค่า p- ขนาดเล็กจะไม่ถูกต้องก็ตาม สิ่งนี้ทำไปแล้วเพื่อเปลี่ยนแปลงวิธีที่ฉันตีความค่า p-person มากกว่าที่จะเปลี่ยน cut-off เฉพาะที่ฉันอาจใช้
เมื่อส่งผลลัพธ์ของการทดสอบสมมติฐานจริงไปยังวารสารฉันพยายามค้นหาว่าพวกเขามีกฎหรือไม่ หากพวกเขาทำไม่ได้ฉันมักจะทำให้ตัวเองพอใจแล้วรอให้ผู้ตัดสินบ่น