الأسئلة الشائعة: كيف يتم تحديد الأهمية؟ تحديد أهمية التأثير ما هو مستوى الأهمية
ليس لدي أي وضوح في فهم كيفية تحديد أهمية السلاسل السلوكية الجاهزة والحساسة للسياق. كما أفهمها، فإن السلسلة السلوكية هي نوع من نشاط الدماغ. السياق السلوكي هو نمط من السلوك في حالة معينة من البيئة. يتم مراقبة حالة البيئة عن طريق مستقبلات الأعضاء الحسية. ومن أجل تحديد أهمية السياق السلوكي، من الضروري الحصول على النتيجة المتوقعة للسلوك في حالة معينة من البيئة، وذلك قبل إطلاق السلسلة السلوكية للتنفيذ. لكي يحدث هذا، يجب أن تكون صورة الخيارات السلوكية في نطاق معين من الحالات البيئية التي تحتوي على ما يتم تتبعه بواسطة الحواس في الوقت الحالي، نشطة بالفعل في الدماغ. لذا؟
>>السلسلة السلوكية هي نوع من نشاط الدماغ
لا. هذه سلسلة من الروابط المسؤولة عن المزيد من الإجراءات الأولية في برنامج السلسلة بأكملها. وبما أن الروابط الفردية نشطة بشكل تسلسلي، يبدأ تنفيذ البرنامج بأكمله من خلال إجراءات فرعية منفصلة.
>>السياق السلوكي هو نمط من السلوك في ظل حالة معينة من البيئة
في إحدى السلسلة، قد يكون للروابط الفردية فروع في سلاسل أخرى بحيث يستمر النشاط في بعض الظروف على طول سلسلة واحدة، وفي ظل ظروف أخرى - على طول سلاسل أخرى. هذه هي الطبيعة السياقية لتنفيذ البرنامج حسب الظروف.
>>لتحديد أهمية السياق السلوكي، من الضروري الحصول على النتيجة المتوقعة للسلوك في ظل حالة معينة من البيئة
كل رابط له بالفعل نوع من الأهمية المرتبطة به - نتيجة للعمل على رابط معين في السلسلة في ظل ظروف معينة. لا يمكن تقييم هذه الأهمية إلا من خلال الاهتمام الواعي بهذه السلسلة. بدون الوعي، تلعب الأهمية دورًا مسموحًا (أهمية إيجابية) أو دورًا محظورًا (سلبيًا). إذا، في ظل هذه الظروف، ترتبط أهمية سلبية بالارتباط، ثم يتوقف نشاط السلسلة الإضافي.
يمكن للانتباه الواعي أن يفحص السلسلة دون تنفيذ الإجراءات (حظرها) والحصول على الأهمية، بما في ذلك الرابط النهائي الذي يتنبأ بنتيجة الإجراء.
عند بناء نموذج الانحدار، يطرح السؤال حول تحديد أهمية العوامل المتضمنة في معادلة الانحدار (1). تحديد أهمية العامل يعني توضيح مسألة قوة تأثير العامل على دالة الاستجابة. إذا تبين أثناء حل مشكلة التحقق من أهمية العامل أن العامل غير مهم، فيمكن استبعاده من المعادلة. في هذه الحالة، يعتبر أن العامل ليس له تأثير كبير على وظيفة الاستجابة. إذا تم تأكيد أهمية العامل، فسيتم تركه في نموذج الانحدار. ويعتقد أنه في هذه الحالة يكون للعامل تأثير على دالة الاستجابة لا يمكن إهماله. إن حل مسألة أهمية العوامل يعادل اختبار الفرضية القائلة بأن معاملات الانحدار لهذه العوامل تساوي الصفر. وبالتالي، فإن الفرضية الصفرية سيكون لها الشكل: ، حيث يوجد الناقل الفرعي لمتجه البعد (l*1). دعونا نعيد كتابة معادلة الانحدار في شكل مصفوفة:
ص = إكس ب + ه,(2)
ي- ناقل الحجم n؛
X- مصفوفة الحجم (ع * ن)؛
بهو ناقل الحجم ص.
يمكن إعادة كتابة المعادلة (2) على النحو التالي:
,
أين Xأرض X p - l - مصفوفات الحجم (n,l) و (n,p-l) على التوالي. إذن الفرضية H 0 تعادل الافتراض بأن
.
دعونا نحدد الحد الأدنى من الوظيفة 
. نظرًا لأنه بموجب الفرضيات المقابلة H 0 و H 1 = 1 - H 0 يتم تقدير جميع معلمات نموذج خطي معين، فإن الحد الأدنى تحت الفرضية H 0 يساوي
,
بينما بالنسبة لـ H 1 فهو متساوي
.
لاختبار الفرضية الصفرية، قمنا بحساب الإحصائيات 
، والذي يحتوي على توزيع فيشر بدرجات حرية (l,n-p)، وتتكون المنطقة الحرجة لـ H 0 بنسبة 100*a بالمائة من أكبر قيم F. إذا F
ويمكن التحقق من أهمية العوامل باستخدام طريقة أخرى، بشكل مستقل عن بعضها البعض. تعتمد هذه الطريقة على دراسة فترات الثقة لمعاملات معادلة الانحدار. دعونا نحدد تباينات المعاملات ، 
القيم هي العناصر القطرية للمصفوفة 
. وبعد تحديد تقديرات لتباينات المعاملات، يمكن إنشاء فترات الثقة لتقديرات معاملات معادلة الانحدار. سيكون فاصل الثقة لكل تقدير 
حيث هي القيمة الجدولية لمعيار الطالب لعدد درجات الحرية التي تم بها تحديد العنصر ومستوى الأهمية المحدد. يكون العامل ذو الرقم i مهمًا إذا كانت القيمة المطلقة لمعامل هذا العامل أكبر من الانحراف المحسوب عند إنشاء فاصل الثقة. بمعنى آخر، يكون العامل ذو الرقم i مهمًا إذا كان 0 لا ينتمي إلى فترة الثقة التي تم إنشاؤها لتقدير المعامل هذا. ومن الناحية العملية، كلما ضاقت فترة الثقة عند مستوى دلالة معين، كلما زادت ثقتنا بشأن أهمية العامل. للتحقق من أهمية العامل باستخدام اختبار الطالب، يمكنك استخدام الصيغة 
. تتم مقارنة قيمة اختبار t المحسوبة مع القيمة الجدولية عند مستوى دلالة معين والعدد المقابل لدرجات الحرية. لا يمكن استخدام هذه الطريقة للتحقق من أهمية العوامل إلا إذا كانت العوامل مستقلة. إذا كان هناك سبب للنظر في عدد من العوامل التي تعتمد على بعضها البعض، فلا يمكن استخدام هذه الطريقة إلا لترتيب العوامل وفقًا لدرجة تأثيرها على دالة الاستجابة. ويجب استكمال اختبار الأهمية في هذه الحالة بطريقة تعتمد على معيار فيشر.
وبذلك تم النظر في مشكلة التحقق من أهمية العوامل وتقليل أبعاد النموذج في حالة وجود تأثير غير معنوي للعوامل على دالة الاستجابة. علاوة على ذلك، سيكون من المنطقي هنا النظر في مسألة إدخال عوامل إضافية في النموذج، والتي، بحسب الباحث، لم تؤخذ في الاعتبار أثناء التجربة، لكن تأثيرها على دالة الاستجابة كبير. لنفترض أنه بعد اختيار نموذج الانحدار
, 
,
وظهرت مهمة تضمين عوامل إضافية x j في النموذج بحيث يأخذ النموذج مع إدخال هذه العوامل الشكل التالي:
, (3)
حيث X هي مصفوفة بالحجم n*p من الرتبة p، Z هي مصفوفة بالحجم n*g من الرتبة g وأعمدة المصفوفة Z مستقلة خطيًا عن أعمدة المصفوفة X، أي. المصفوفة W ذات الحجم n*(p+g) لها رتبة (p+g). يستخدم التعبير (3) الترميز (X,Z)=W، 
. هناك احتمالان لتحديد تقديرات معاملات النموذج المقدمة حديثًا. أولاً، يمكنك العثور على التقدير ومصفوفة التشتت مباشرة من العلاقات
في رأيك، ما الذي يجعل "نصفك الآخر" مميزًا وذا معنى؟ هل يتعلق الأمر بشخصيته أو بمشاعرك تجاه هذا الشخص؟ أو ربما مع حقيقة بسيطة وهي أن الفرضية حول عشوائية تعاطفك، كما تظهر الدراسات، لديها احتمال أقل من 5٪؟ فإذا اعتبرنا العبارة الأخيرة موثوقة، فلن تكون مواقع التعارف الناجحة موجودة من حيث المبدأ:
عند إجراء اختبار منفصل أو أي تحليل آخر لموقع الويب الخاص بك، فإن سوء فهم "الأهمية الإحصائية" يمكن أن يؤدي إلى سوء تفسير النتائج، وبالتالي اتخاذ إجراءات غير صحيحة في عملية تحسين التحويل. وينطبق هذا على آلاف الاختبارات الإحصائية الأخرى التي يتم إجراؤها يوميًا في كل صناعة موجودة.
لفهم ما هي "الأهمية الإحصائية"، تحتاج إلى الغوص في تاريخ المصطلح، ومعرفة معناه الحقيقي، وفهم كيف سيساعدك هذا الفهم القديم "الجديد" على تفسير نتائج بحثك بشكل صحيح.
قليلا من التاريخ
على الرغم من أن البشرية كانت تستخدم الإحصائيات لحل المشكلات المختلفة لعدة قرون، إلا أن الفهم الحديث للأهمية الإحصائية، واختبار الفرضيات، والعشوائية، وحتى تصميم التجارب (DOE) لم يبدأ في التبلور إلا في بداية القرن العشرين ويرتبط ارتباطًا وثيقًا بالإحصاءات. اسم السير رونالد فيشر (السير رونالد فيشر، 1890-1962):
كان رونالد فيشر عالم أحياء تطوري وإحصائيًا وكان لديه شغف خاص بدراسة التطور والانتقاء الطبيعي في المملكتين الحيوانية والنباتية. خلال حياته المهنية اللامعة، قام بتطوير ونشر العديد من الأدوات الإحصائية المفيدة التي لا نزال نستخدمها حتى اليوم.
استخدم فيشر التقنيات التي طورها لشرح العمليات في علم الأحياء مثل الهيمنة والطفرات والانحرافات الجينية. يمكننا استخدام نفس الأدوات اليوم لتحسين وتحسين محتوى موارد الويب. إن حقيقة إمكانية استخدام أدوات التحليل هذه للعمل مع كائنات لم تكن موجودة في وقت إنشائها تبدو مفاجئة للغاية. ومن المثير للدهشة أيضًا أن الناس اعتادوا إجراء عمليات حسابية معقدة بدون آلات حاسبة أو أجهزة كمبيوتر.
لوصف نتائج تجربة إحصائية بأنها ذات احتمالية عالية لتكون صحيحة، استخدم فيشر كلمة "الأهمية".
أيضًا، يمكن تسمية أحد التطورات الأكثر إثارة للاهتمام التي توصل إليها فيشر بفرضية "الابن المثير". ووفقا لهذه النظرية، تفضل النساء الرجال غير الشرعيين جنسيا (منحل) لأن هذا سيسمح للأبناء المولودين من هؤلاء الرجال أن يكون لديهم نفس الاستعداد وإنتاج ذرية أكثر (لاحظ أن هذه مجرد نظرية).
ولكن لا أحد، حتى العلماء اللامعين، محصن من ارتكاب الأخطاء. لا تزال عيوب فيشر تصيب المتخصصين حتى يومنا هذا. لكن تذكر كلمات ألبرت أينشتاين: "من لم يخطئ قط، لم يخلق شيئًا جديدًا أبدًا".
قبل الانتقال إلى النقطة التالية، تذكر: الأهمية الإحصائية هي عندما يكون الفرق في نتائج الاختبار كبيرًا جدًا بحيث لا يمكن تفسير الفرق بعوامل عشوائية.
ما هي فرضيتك؟
لفهم ما تعنيه "الأهمية الإحصائية"، عليك أولاً أن تفهم ما هو "اختبار الفرضية"، حيث أن المصطلحين متشابكان بشكل وثيق.
الفرضية هي مجرد نظرية. بمجرد تطوير النظرية، ستحتاج إلى إنشاء عملية لجمع ما يكفي من الأدلة وجمع تلك الأدلة فعليًا. هناك نوعان من الفرضيات.
التفاح أم البرتقال - أيهما أفضل؟
فرضية العدم
كقاعدة عامة، هذا هو المكان الذي يواجه فيه الكثير من الناس صعوبات. شيء واحد يجب أخذه في الاعتبار هو أن الفرضية الصفرية ليست شيئًا يحتاج إلى إثبات، مثل إثبات أن تغييرًا معينًا على موقع ويب سيؤدي إلى زيادة في التحويلات، ولكن العكس صحيح. فرضية العدم هي نظرية تنص على أنه إذا قمت بإجراء أي تغييرات على الموقع، فلن يحدث شيء. وهدف الباحث هو دحض هذه النظرية وليس إثباتها.
إذا نظرنا إلى تجربة حل الجرائم، حيث يشكل المحققون أيضًا فرضيات حول هوية المجرم، فإن فرضية العدم تأخذ شكل ما يسمى بافتراض البراءة، وهو المفهوم الذي بموجبه يفترض أن المتهم بريء حتى تثبت إدانته في محكمة قانونية.
إذا كانت فرضية العدم هي أن كائنين متساويان في خصائصهما، وتحاول إثبات أن أحدهما أفضل (على سبيل المثال، A أفضل من B)، فأنت بحاجة إلى رفض الفرضية الصفرية لصالح البديل. على سبيل المثال، تقوم بمقارنة أداة أو أخرى لتحسين التحويل. في الفرضية الصفرية، كلاهما لهما نفس التأثير (أو لا يوجد أي تأثير) على الهدف. وفي البديل يكون تأثير أحدهما أفضل.
قد تحتوي فرضيتك البديلة على قيمة عددية، مثل B - A > 20%. وفي هذه الحالة يمكن أن تأخذ الفرضية الصفرية والبديلة الشكل التالي:
اسم آخر للفرضية البديلة هو فرضية البحث لأن الباحث يهتم دائمًا بإثبات هذه الفرضية بالذات.
الأهمية الإحصائية والقيمة p
دعونا نعود مرة أخرى إلى رونالد فيشر ومفهومه للأهمية الإحصائية.
الآن بعد أن أصبح لديك فرضية العدم وبديل، كيف يمكنك إثبات إحداهما ودحض الأخرى؟
نظرًا لأن الإحصائيات، بطبيعتها، تتضمن دراسة مجموعة سكانية معينة (عينة)، فلا يمكنك أبدًا أن تكون متأكدًا بنسبة 100٪ من النتائج التي تم الحصول عليها. مثال جيد: نتائج الانتخابات غالبا ما تختلف عن نتائج استطلاعات الرأي الأولية وحتى نتائج استطلاعات الرأي.
أراد الدكتور فيشر إنشاء خط فاصل يتيح لك معرفة ما إذا كانت تجربتك ناجحة أم لا. هكذا ظهر مؤشر الموثوقية. المصداقية هي المستوى الذي نتخذه لقول ما نعتبره "مهمًا" وما لا نعتبره "مهمًا". إذا كان "p"، مؤشر الأهمية، هو 0.05 أو أقل، فإن النتائج موثوقة.
لا تقلق، فالأمر في الواقع ليس مربكًا كما يبدو.
التوزيع الاحتمالي الغوسي. على طول الحواف توجد القيم الأقل احتمالا للمتغير، وفي الوسط هي القيم الأكثر احتمالا. إن النتيجة P (المنطقة المظللة باللون الأخضر) هي احتمالية حدوث النتيجة المرصودة عن طريق الصدفة.
التوزيع الاحتمالي الطبيعي (التوزيع الغوسي) هو تمثيل لجميع القيم الممكنة لمتغير معين على الرسم البياني (في الشكل أعلاه) وتكراراتها. إذا قمت ببحثك بشكل صحيح ثم قمت برسم جميع إجاباتك على الرسم البياني، فسوف تحصل على هذا التوزيع بالضبط. وفقًا للتوزيع الطبيعي، سوف تتلقى نسبة كبيرة من الإجابات المتشابهة، وستكون الخيارات المتبقية موجودة عند حواف الرسم البياني (ما يسمى بـ "الذيول"). غالبًا ما يوجد هذا التوزيع للقيم في الطبيعة، ولهذا يطلق عليه "طبيعي".
باستخدام معادلة تعتمد على عينتك ونتائج الاختبار، يمكنك حساب ما يسمى "إحصائية الاختبار"، والتي ستشير إلى مدى انحراف نتائجك. سيخبرك أيضًا بمدى قربك من صحة الفرضية الصفرية.
لمساعدتك في فهم الأمر، استخدم الآلات الحاسبة عبر الإنترنت لحساب الأهمية الإحصائية:
أحد الأمثلة على هذه الآلات الحاسبة
يمثل الحرف "p" احتمالية صحة الفرضية الصفرية. إذا كان الرقم صغيرا، فإنه يشير إلى وجود اختلاف بين مجموعات الاختبار، في حين أن الفرضية الصفرية ستكون أنهم متماثلون. من الناحية الرسومية، سيبدو أن إحصائية الاختبار الخاصة بك ستكون أقرب إلى أحد ذيول التوزيعة على شكل الجرس.
قرر الدكتور فيشر تحديد عتبة الأهمية عند p ≥ 0.05. إلا أن هذا القول مثير للجدل لأنه يؤدي إلى صعوبتين:
1. أولا، حقيقة أنك أثبتت خطأ الفرضية الصفرية لا تعني أنك أثبتت الفرضية البديلة. كل هذه الأهمية تعني أنك لا تستطيع إثبات A أو B.
2. ثانياً، إذا كانت قيمة p-score 0.049، فهذا يعني أن احتمال الفرضية الصفرية سيكون 4.9%. قد يعني هذا أن نتائج الاختبار الخاصة بك قد تكون صحيحة وكاذبة في نفس الوقت.
يجوز لك استخدام درجة p أو لا تستخدمها، ولكنك ستحتاج بعد ذلك إلى حساب احتمالية الفرضية الصفرية على أساس كل حالة على حدة وتحديد ما إذا كانت كبيرة بما يكفي لمنعك من إجراء التغييرات التي خططت لها واختبرتها .
السيناريو الأكثر شيوعًا لإجراء اختبار إحصائي اليوم هو تعيين عتبة أهمية تبلغ p ≥ 0.05 قبل إجراء الاختبار نفسه. فقط تأكد من إلقاء نظرة فاحصة على القيمة p عند التحقق من نتائجك.
الأخطاء 1 و 2
لقد مر وقت طويل حتى أن الأخطاء التي يمكن أن تحدث عند استخدام مقياس الأهمية الإحصائية قد تم تسميتها بأسمائها الخاصة.
أخطاء النوع 1
كما ذكرنا سابقًا، القيمة p البالغة 0.05 تعني أن هناك احتمالًا بنسبة 5% أن تكون الفرضية الصفرية صحيحة. إذا لم تقم بذلك، فسوف ترتكب الخطأ رقم 1. تشير النتائج إلى أن موقع الويب الجديد الخاص بك قد أدى إلى زيادة معدلات التحويل، ولكن هناك احتمال بنسبة 5٪ أنه لم يحدث ذلك.
أخطاء النوع 2
هذا الخطأ هو عكس الخطأ 1: فأنت تقبل الفرضية الصفرية عندما تكون خاطئة. على سبيل المثال، تخبرك نتائج الاختبار أن التغييرات التي تم إجراؤها على الموقع لم تأت بأي تحسينات، بينما كانت هناك تغييرات. ونتيجة لذلك، تفوت فرصة تحسين أدائك.
يعد هذا الخطأ شائعًا في الاختبارات التي يكون فيها حجم العينة غير كافٍ، لذا تذكر: كلما كانت العينة أكبر، كانت النتيجة أكثر موثوقية.
خاتمة
ربما لا يوجد مصطلح يحظى بشعبية كبيرة بين الباحثين مثل الأهمية الإحصائية. عندما لا تكون نتائج الاختبار ذات دلالة إحصائية، فإن العواقب تتراوح بين زيادة معدلات التحويل إلى انهيار الشركة.
وبما أن المسوقين يستخدمون هذا المصطلح عند تحسين مواردهم، فأنت بحاجة إلى معرفة ما يعنيه هذا المصطلح حقًا. قد تختلف ظروف الاختبار، ولكن حجم العينة ومعايير النجاح مهمة دائمًا. تذكر هذا.
إن الأهمية الإحصائية للنتيجة (قيمة p) هي مقياس تقديري للثقة في "حقيقتها" (بمعنى "تمثيل العينة"). من الناحية الفنية، القيمة الاحتمالية هي مقياس يختلف في الترتيب التنازلي من حيث الحجم مع موثوقية النتيجة. تتوافق القيمة p الأعلى مع مستوى أقل من الثقة في العلاقة بين المتغيرات الموجودة في العينة. على وجه التحديد، تمثل القيمة p احتمال الخطأ المرتبط بتعميم النتيجة المرصودة على جميع السكان. على سبيل المثال، تشير القيمة p البالغة 0.05 (أي 1/20) إلى أن هناك فرصة بنسبة 5% لأن تكون العلاقة بين المتغيرات الموجودة في العينة مجرد سمة عشوائية للعينة. بمعنى آخر، إذا لم تكن هناك علاقة معينة بين السكان، وقمت بإجراء تجارب مماثلة عدة مرات، ففي حوالي واحد من عشرين تكرارًا للتجربة، تتوقع نفس العلاقة أو علاقة أقوى بين المتغيرات.
في العديد من الدراسات، تعتبر القيمة p البالغة 0.05 "هامشًا مقبولًا" لمستوى الخطأ.
لا توجد طريقة لتجنب الاعتباط في تحديد مستوى الأهمية الذي ينبغي اعتباره "كبيراً" حقاً. إن اختيار مستوى أهمية معين يتم فوقه رفض النتائج باعتبارها خاطئة هو أمر تعسفي تمامًا. ومن الناحية العملية، يعتمد القرار النهائي عادةً على ما إذا كانت النتيجة قد تم التنبؤ بها مسبقًا (أي قبل إجراء التجربة) أو تم اكتشافها بعديًا نتيجة للعديد من التحليلات والمقارنات التي تم إجراؤها على مجموعة متنوعة من البيانات، وكذلك على البيانات. تقاليد مجال الدراسة. عادة، في العديد من المجالات، تكون نتيجة p 0.05 حدًا مقبولًا للأهمية الإحصائية، ولكن يجب أن نتذكر أن هذا المستوى لا يزال يتضمن معدل خطأ كبير إلى حد ما (5٪). تعتبر النتائج المهمة عند مستوى p 0.01 بشكل عام ذات دلالة إحصائية، وتعتبر النتائج ذات مستوى p 0.005 أو p 0.001 ذات دلالة إحصائية بشكل عام. ومع ذلك، ينبغي أن يكون مفهوما أن هذا التصنيف لمستويات الأهمية تعسفي تمامًا وهو مجرد اتفاق غير رسمي تم اعتماده على أساس الخبرة العملية في مجال معين من مجالات البحث.
وكما ذكرنا من قبل، فإن حجم العلاقة والموثوقية يمثلان خاصيتين مختلفتين للعلاقات بين المتغيرات. ومع ذلك، لا يمكن القول أنهم مستقلون تماما. وبشكل عام، كلما زاد حجم العلاقة (العلاقة) بين المتغيرات في عينة ذات الحجم الطبيعي، كلما كانت أكثر موثوقية.
وإذا افترضنا أنه لا توجد علاقة بين المتغيرات المتناظرة في المجتمع، فمن المرجح أن نتوقع أنه في العينة قيد الدراسة لن تكون هناك أيضًا علاقة بين هذه المتغيرات. وبالتالي، كلما كانت العلاقة أقوى في العينة، قل احتمال عدم وجود العلاقة في المجتمع الذي تم استخلاصها منه.
يؤثر حجم العينة على أهمية العلاقة. إذا كان هناك عدد قليل من الملاحظات، فهناك في المقابل عدد قليل من مجموعات القيم المحتملة لهذه المتغيرات وبالتالي فإن احتمال اكتشاف مجموعة من القيم التي تظهر وجود علاقة قوية عن طريق الخطأ مرتفع نسبيًا.
كيف يتم حساب مستوى الأهمية الإحصائية. لنفترض أنك قمت بالفعل بحساب مقياس الاعتماد بين متغيرين (كما هو موضح أعلاه). السؤال التالي الذي يواجهك هو: "ما مدى أهمية هذه العلاقة؟" على سبيل المثال، هل التباين الموضح بنسبة 40% بين متغيرين كافٍ لاعتبار العلاقة مهمة؟ الجواب: "حسب الظروف". أي أن الأهمية تعتمد بشكل أساسي على حجم العينة. كما سبق أن أوضحنا، في العينات الكبيرة جدًا، حتى العلاقات الضعيفة جدًا بين المتغيرات ستكون ذات دلالة، بينما في العينات الصغيرة، حتى العلاقات القوية جدًا لا يمكن الاعتماد عليها. وبالتالي، من أجل تحديد مستوى الدلالة الإحصائية، تحتاج إلى دالة تمثل العلاقة بين "حجم" و"أهمية" العلاقة بين المتغيرات لكل حجم عينة. ستخبرك هذه الدالة بالضبط "مدى احتمالية الحصول على علاقة بقيمة معينة (أو أكثر) في عينة ذات حجم معين، على افتراض عدم وجود مثل هذه العلاقة في المجتمع." بمعنى آخر، ستعطي هذه الدالة مستوى الأهمية (القيمة p)، وبالتالي احتمال الرفض الخاطئ لافتراض عدم وجود علاقة معينة في المجتمع. عادة ما تسمى هذه الفرضية "البديلة" (عدم وجود علاقة بين السكان) بفرضية العدم. سيكون من المثالي أن تكون الدالة التي تحسب احتمالية الخطأ خطية ولها فقط منحدرات مختلفة لأحجام عينات مختلفة. لسوء الحظ، هذه الوظيفة أكثر تعقيدًا وليست دائمًا هي نفسها تمامًا. ومع ذلك، في معظم الحالات يكون شكله معروفًا ويمكن استخدامه لتحديد مستويات الأهمية في دراسات عينات ذات حجم معين. ترتبط معظم هذه الوظائف بفئة مهمة جدًا من التوزيعات تسمى التوزيعات العادية.
دعونا نلقي نظرة على بعض التفاصيل الدقيقة للاستخدام العملي لخط الاتجاه. بادئ ذي بدء، نحن بحاجة إلى معرفة ما الذي يحدد أهمية هذا الخط. الجواب على هذا السؤال ذو شقين: من ناحية، تعتمد أهمية خط الاتجاه على فترة صلاحيته، ومن ناحية أخرى، على عدد مرات التحقق منه.على سبيل المثال، إذا اجتاز خط الاتجاه ثمانية اختبارات، أكد كل منها حقيقته، فهو بلا شك أكثر أهمية من الخط الذي لمسته الأسعار ثلاث مرات فقط. علاوة على ذلك، فإن الخط الذي أثبت فعاليته لمدة تسعة أشهر هو أكثر أهمية بكثير من الخط الذي كان موجودًا منذ تسعة أسابيع أو أيام. كلما زادت أهمية خط الاتجاه، كلما زادت الثقة به وأصبح اختراقه أكثر أهمية.
يجب أن تتضمن خطوط الاتجاه النطاق السعري بأكمله لليوم
يجب رسم خطوط الاتجاه على المخططات الشريطية أسفل أو فوق الأشرطة التي تمثل النطاق الكامل لتقلبات الأسعار اليومية. يفضل بعض الخبراء بناء خطوط الاتجاه من خلال ربط أسعار الإغلاق فقط، ولكن هذا النهج ليس كافيا تماما. وبطبيعة الحال، فإن سعر الإغلاق هو أهم قيمة سعرية لليوم بأكمله، ولكنه مع ذلك لا يمثل سوى حالة خاصة من ديناميكيات الأسعار خلال يوم التداول بأكمله. لذلك، عند إنشاء خط الاتجاه، من المعتاد أن نأخذ في الاعتبار النطاق الكامل لتقلبات الأسعار يوميًا (انظر الشكل 4.8).
أرز. 4.8 يجب أن يتضمن خط الاتجاه المرسوم بشكل صحيح النطاق الكامل لتقلبات الأسعار خلال يوم التداول.
ماذا تفعل مع اختراقات خط الاتجاه البسيطة؟
في بعض الأحيان خلال النهار، تخترق الأسعار خط الاتجاه، ولكن في وقت الإغلاق يعود كل شيء إلى طبيعته. لذلك يتعين على المحلل أن يجهد عقله: هل كان هناك اختراق؟ (انظر الشكل 4.9). هل من الضروري رسم خط اتجاه جديد لأخذ البيانات الجديدة في الاعتبار إذا كان الانتهاك الطفيف لخط الاتجاه مؤقتًا أو عشوائيًا على ما يبدو؟ ويصور الشكل 4.9 مثل هذا الموقف. خلال اليوم، انخفضت الأسعار إلى ما دون خط الاتجاه الصعودي، ولكن عند الإغلاق كانت فوقه مرة أخرى. فهل من الضروري إعادة رسم خط الاتجاه في هذه الحالة؟
لسوء الحظ، من غير الممكن تقديم أي نصيحة لا لبس فيها لجميع المناسبات. في بعض الأحيان يمكن تجاهل مثل هذا الاختراق، خاصة إذا أكدت حركة السوق اللاحقة صحة خط الاتجاه الأصلي. في بعض الحالات، تكون هناك حاجة إلى حل وسط عندما يقوم المحلل، بالإضافة إلى المحلل الأصلي، برسم خط اتجاه اختباري جديد، والذي يتم رسمه على الرسم البياني بخط منقط (انظر الشكل 4.9). في هذه الحالة، يتوفر لدى المحلل خطان: الأصل (الصلب) والجديد (المتقطع). كقاعدة عامة، تظهر الممارسة أنه إذا كان اختراق خط الاتجاه صغيرًا نسبيًا وحدث خلال يوم واحد فقط، وفي وقت الإغلاق استقرت الأسعار ووصلت مرة أخرى إلى نقطة فوق خط الاتجاه، فيمكن للمحلل تجاهل ذلك الاختراق والاستمرار في استخدام خط الاتجاه الأصلي. كما هو الحال في العديد من المجالات الأخرى لتحليل السوق، فمن الأفضل الاعتماد على الخبرة والغريزة. في مثل هذه القضايا المثيرة للجدل، هم أفضل مستشاريك.
أرز. 4.9 في بعض الأحيان يؤدي اختراق خط الاتجاه خلال يوم واحد إلى وضع المحلل في معضلة: هل يجب الحفاظ على خط الاتجاه الأصلي إذا كان لا يزال صحيحًا، أم يجب رسم خط جديد؟ من الممكن التوصل إلى حل وسط يتم فيه الحفاظ على خط الاتجاه الأصلي، ولكن يتم رسم خط جديد على الرسم البياني بخط منقط. الوقت سيحدد أيهما أصدق.