نقش‎‎‎ اندازه نمونه در تفسیر نتیجه پژوهش‎های کاربردی: مطالعه‌ای بر مدل‎های رگرسیونی

امروزه بیشتر پژوهشگران تحقیقات کاربردی صرفاً با نگاه به مقدار−احتمال، فرضیه پژوهش را رد یا قبول می‎کنند؛ همچنین با توجه‎ به‎ رابطه‎ای که بین مقدار−احتمال و اندازه نمونه وجود دارد، معمولاً در نمونه‎های بزرگ، با وجود کوچک بودن اندازه اثر با یک اطمینان بسیار بالا فرضیه ادعا پذیرفته می‎شود و محقق با تکیه صرف به مقدار−احتمال به‎سمت حمایت از نتایج بی‎اهمیت عملی سوق داده می‎شود؛ بدین ترتیب بسیاری از مطالعات پژوهش می‎توانند در زمره تحقیقاتی قرار گیرند که دارای تعدادی آزمون‎ فرض معنادار شده،‎‎ اما فاقد وجاهت کاربردی و اهمیت علمی است.نخست این مقاله با توجه به موضوع کلان‎داده، مسئله حجم داده و تنوع داده‎ها در کلان‎داده از نظر آمار پرداخته، سپس مقدار−احتمال، اندازه اثر و فاصله اطمینان به‎عنوان سه معیار تصمیم در آزمون‎های فرض روی نمونه‎های مختلف در بازه (19361−173) بررسی و ‎به‎طور خاص به تاثیر کلان‎داده روی این سه شاخص توجه کرده است.نتایج نشان داد کلان‎داده به‎عنوان یک نمونه بزرگ، نه‌تنها مزیتی برای افزایش اطمینان در آزمون‎های فرض ندارند، بلکه می‎توانند موجب معنادار شدن ادعاهایی شوند که از نظر عملی اهمیت چندانی ندارند و در نمونه‎های نه‌چندان بزرگ در زمره اثرهای تصادفی و خطای نمونه‎گیری قرار می‎گیرند؛ همچنین اندازه اثر تحت‌تاثیر اندازه نمونه قرار نگرفته، با افزایش اندازه نمونه به‎سمت یک مقدار ثابت همگرایی دارد. درنهایت داده‎ها نشان دادند که فاصله‎ اطمینان از نظر بصری بهتر از شاخص‎های دیگر عمل می‎کند.

the role of sample size on interpretation of the result in applied research a study on the analysis of regression models

many applied types of research have been carried out using statistical hypothesis tests and many researchers reject or accept the research hypothesis only by looking at the p-value. on the other hand, due to the relationship between the p-value and the sample size, in large samples, despite the small size of the work, the hypothesis is accepted with very high confidence, and the researcher relies solely on the p-value to support practical insignificance results. thus, many research studies can be classified as research that has many tests of meaningful assumption but lacks practicality and scientific significance. in this paper, first, considering the issue of big data, the issue of data volume and data diversity in big data from a statistical perspective, then the p-value, effect size, and confidence interval as three decision criteria in hypothetical tests on different samples in the range (173-19361) the impact of big data on these three indicators has been examined and in particular. the results showed: a large sample is not an advantage to increasing reliability in hypothetical tests. it can make meaningful claims that are not of practical importance and in small samples fall into the category of random effects and sampling error. also, the effect size is not affected by the sample size and converges with increasing constant sample size. finally, the data showed that the confidence interval is visually better than other indicators.