Урок 3: Сквозной кейс — корректный статистический вывод

Реальные исследования редко идеальны. Чтобы корректно интерпретировать результат, нужно проверить несколько вещей последовательно. Первое — дизайн исследования: это эксперимент с рандомизацией или наблюдение? Только эксперимент позволяет говорить о причинности. Второе — выборка: достаточно ли велика? Нет ли смещения (например, добровольцы vs случайная выборка)? Третье — гипотезы и p-значение: были ли H0 и H1 сформулированы до сбора данных? Корректно ли прочитано p-значение (как вероятность данных при истинной H0, а не как вероятность гипотезы)? Четвёртое — доверительный интервал и размер эффекта: насколько широк ДИ? Включает ли он практически незначимые значения? Маленький ДИ + большой размер выборки часто даёт «значимый» результат при крошечном эффекте. Пятое — практическая значимость: даже при p < 0,05 эффект может быть слишком мал, чтобы иметь значение на практике. Шестое — корреляция vs причинность: если это наблюдательное исследование, нельзя утверждать, что A вызывает B. Проходя по этому чек-листу, вы защищаете себя от наиболее распространённых ловушек: ложного вывода о причинности, переоценки «значимости» маленького эффекта и неверной трактовки p-значения или доверительного интервала.