Método de Fisher para combinar valores P independientes

Un p - valor marca la tasa de error de tipo I en un análisis estadístico . Error de Tipo I significa rechazar la hipótesis nula cuando es , de hecho, correcta. La hipótesis nula es ( casi siempre ) una declaración de que dos grupos no son diferentes , o que no existe relación entre algunas variables , u otra declaración que lo que esperamos encontrar no , de hecho , existe. Así que un error de tipo 1 está diciendo que algo está ocurriendo cuando, en realidad , nada es . Todo esto se basa en la idea de que sólo tenemos una muestra de una población . ¿Por Combinar valores P ?

En algunos casos , múltiples estudios son sobre el mismo fenómeno. Por ejemplo , hay muchos estudios que examinan la relación entre las tasas de tabaquismo y cáncer . Cada uno de ellos proporcionará un valor de p . Mediante la combinación de múltiples estudios , se puede obtener una estimación más precisa de lo que está pasando .
La idea del método de Fisher

Dada una colección de valores de p de estudios independientes , el método de Fisher es tomar primero el logaritmo natural de cada valor de p , multiplicar cada resultado por -2 y luego sumarlas . La suma resultante se distribuye como una chi- cuadrado con grados de libertad 2L , donde L es el número de valores de p . El p - valor de esta suma puede ser obtenido de tablas estadísticas , a partir de programas estadísticos como SAS , SPSS o R , de Excel o de algunas calculadoras científicas .

Peligros de combinar P valores: malinterpretando el resultado

Uno de los peligros de la combinación de los valores de p se malinterpretando el resultado . Esto es parte de lo que Stephen Ziliak y Deirdre McCloskey llaman el " Culto a la significación estadística. " Mediante la combinación de muestras , cada vez más pequeños tamaños del efecto se convertirán estadísticamente significativa . Pero la significación estadística no implica importancia práctica. Por ejemplo , supongamos que se ha descubierto que una dieta en particular llevó a una pérdida de peso de 1 oz por mes . Si se combinaron muestras suficientes , esto sería estadísticamente significativa , pero poca gente se preocuparía por una dieta que dio lugar a un efecto tan pequeño .

Alternativas a combinar valores P

en lugar de combinar los valores de p , a menudo es una buena idea para combinar los tamaños del efecto . El tamaño del efecto podría ser una diferencia entre dos grupos, o un coeficiente de regresión , o un - odds ratio o cualquiera de una serie de otras medidas , dependiendo de lo estadística estaba siendo utilizado . Este tipo de análisis se denomina meta- análisis, que es un estudio de sí mismo.