연구원들이 인과 관계를 발견하는 방법
간단한 실험은 연구자가 한 변수의 변화가 다른 변수의 변화를 유발할 수 있는지를 결정하기 위해 종종 사용 합니다 . 다른 말로하면 인과 관계를 수립하는 것입니다. 예를 들어, 새로운 약물의 효과를 보는 간단한 실험에서, 연구 참여자는 두 그룹 중 하나에 무작위로 배정 될 수 있습니다 : 이들 중 하나는 대조군 이고 아무런 치료도받지 못하고 다른 그룹은 실험군이됩니다 연구중인 치료를받는
간단한 실험의 요소
간단한 실험은 심각한 핵심 요소로 구성됩니다.
- 실험적 가설. 이것은 치료가 효과를 유발할 것이므로 항상 인과 관계 진술로 표현 될 것이라고 예측하는 성명서입니다. 예를 들어, 연구자들은 이런 식으로 가설을 세울 수 있습니다. "의약품 A를 투여하면 질병 B의 증상이 감소합니다."
- 귀무 가설. 이것은 실험적 치료가 참가자 또는 종속 변수에 아무런 영향을 미치지 않는다는 가설 입니다. 치료의 효과를 발견하지 못한다고해서 효과가 없다는 것을 의미하는 것은 아닙니다. 이 치료법은 현재의 실험에서 연구자가 측정하지 않은 다른 변수에 영향을 줄 수 있습니다.
- 독립 변수 . 실험자가 조작하는 치료 변수.
- 종속 변수 . 이것은 연구자가 측정하고있는 반응을 나타냅니다.
- 통제 그룹. 이들은 그룹에 무작위로 배정되었지만 치료를받지 않은 개인입니다. 대조군에서 얻은 측정치를 실험군의 측정치와 비교하여 치료 효과가 있는지를 판단합니다.
- 실험 그룹. 이 연구 참여자 그룹은 무작위로 선택된 피실험자들로 구성되며, 시험 대상 치료를 받게됩니다.
간단한 실험의 결과 결정
간단한 실험의 데이터가 수집되면 연구원은 실험 그룹의 결과를 대조 그룹의 결과와 비교하여 치료 효과가 있는지 여부를 결정합니다. 항상 존재할 수있는 오류 가능성으로 인해 두 변수 간의 관계를 100 % 확신 할 수는 없습니다. 예를 들어 실험 결과에 영향을주는 알려지지 않은 변수가있을 수 있습니다.
이러한 도전에도 불구하고, 의미있는 관계가 가장 있는지를 결정하는 방법이 있습니다. 이를 위해 과학자들은 인구의 대표 표본 에서 취한 조치를 토대로 인구에 대한 추론을 다루는 과학의 한 분야 인 추론 통계를 사용합니다.
치료 효과가 있는지를 결정하는 열쇠는 통계적 유의성을 측정하는 것입니다. 통계적 유의성은 변수 간의 관계가 단순한 기회에 의한 것이 아니며 실제 관계가 두 변수 사이에 존재할 가능성이 높음을 보여줍니다.
통계적 유의성은 종종 다음과 같이 표현됩니다.
p <0.05
0.05 이하의 p 값은 결과가 우연히 발생했기 때문에 결과를 얻을 확률이 5 % 미만임을 나타냅니다.
통계적 유의성을 측정하는 여러 가지 다른 방법이 있습니다. 사용 된 것은 연구에 사용 된 연구 설계의 유형에 달려있다.