O que é a Significância Estatística e como interpretá-la ?

Ao realizarmos um estudo científico que envolva análise de de amostras para inferência estatística,  devemos antes de tudo definir o limite do valor de “p”. É por meio dessa definição que iremos determinar a significância de nossa inferência.

De modo geral,  determina-se o valor de p como menor que 5%, ou seja, “p<0,05” (sendo 0,05 o valor de 5% em valor decimal, lembre-se que 0,05 x 100 = 5%) . Nada impede que o pesquisador determine menor nível de significância, ma em geral utiliza-se esse limite para as ciência sociais, já para ciências biológicas, médicas ou exatas pode-se utilizar menor significância.

Assim,  Se em nosso estudo obtermos uma significância menor do que 0,05 (“p>0,005”) , então estamos  assumindo que há uma probabilidade de apenas 5% de que a diferença encontrada no estudo não seja verdadeira, apesar de, estatisticamente, ter sido assim demonstrada. Por exemplo, se estivermos comparando duas formas de tratamento clinico e se obtivermos um valor de 0,02, ou seja, 2% para nossa comparação, então teremos  esse valor de probabilidade de não ser verdade que há diferença entre os tratamentos, ou seja, teremos 98% de chances de haver diferenças entre eles.

Logo, podemos concluir que para menores valores “p”, então teremos menor chance de erros, e portanto maior será a significância, ou seja, menor será a probabilidade de erros. De uma forma geral, os resultados de um estudo podem variar de “não significante” até “extremamente significante”, como mostra a tabela a seguir. Significância Estatística, conforme o valor de P

Alguns cientistas discordam dessa qualificação da significância estatística, segundo a qual um p = 0,0001 seria mais significante do que um p = 0,04. Segundo esses especialistas, uma vez definido o limite do valor de p, cada resultado é estatisticamente significante ou não significante, independentemente do seu valor.

Destaque-se que a significância, por si só não diz muita coisa, afinal o pesquisador deve ter em mente que há muito mais variáveis a serem avaliadas em um estudo além desse item. Por exemplo, ao avaliarmos a diferença entre dois tratamentos médicos clínicos, um mais antigo para outro novo tratamento,  e encontrarmos uma diferença estatística significante (em qualquer nível, de significante até extremamente significante), mas acontecer do novo tratamento ser de custo tão alto e possuir resultados práticos tão pouco relevantes que acaba por ser mais interessante manter a utilização do tratamento anterior.