Příspěvek upozorňuje na metodologický přístup autorů k vlastnímu výzkumu. V sedmi vybraných českých časopisech (6 recenzovaných za obor kinantropologie a jeden s IF /impakt faktorem/ za obor psychologie) byla posuzována správnost postupu zjišťování statistické významnosti pomocí testování nulové hypotézy. Výsledky ukazují na závažný nedostatek při užití tohoto statistického nástroje – randomizace výzkumného souboru. Je zřejmá i chybná interpretace pojmů „hladina statistické významnosti“ a „chyba I. druhu“, což lze přičíst nejasné koncepci celého postupu testování statistické významnosti. U převážné většiny studií, které užívají tento statistický nástroj, jsou vyslovené závěry opřeny o chybnou metodiku a jejich průkaznost je tedy nízká. Autoři zdůrazňují přístup redakcí odborných časopisů ke kvalitě příspěvků (požadavky na metodickou a diskusní část, posun kritérií recenzní činnosti na světovou úroveň). and Problems of research sample and testing the null hypothesis
The paper points to the methodological approach of authors to the research. In seven selected Czech journals (6 peer-reviewed kinanthropological ones and one psychological journal with an impact factor), the statistical testing of null hypothesis was assessed. The results show a serious defect in fulfillment the condition for the use of this statistical instrument – the randomization of the sample. The incorrect interpretation of concepts „level of statistical significance“ and „type one error“ is evident being the result of unclear conception of statistical significance testing. In many studies using this statistical instrument the results are based on wrong methodology and their conclusiveness is thus low. The authors emphasize the approach of editorial boards of scientific journals to the quality of manuscripts: requirements concerning the „method“ and „discussion“ parts, and shifting review criteria to the worldwide accepted level.
The use of significance tests in social sciences is widespread mainly due to simple computation via statistical packages. Unfortunately the more social scientists use statistical significance estimates for making causal inferences the less they appear to understand about this influential concept. Statistical modelling results are usually presented in terms of their statistical significance and little other information is provided. The goal of this article is to show the limits of using statistical significance as a sole means of making inferences; and to present alternative statistical fit indicators readily available within frequentist approach to statistics: confidence intervals, minimum sample size and power analysis. Multiple working hypotheses are also explored together with two well known information criteria - AIC and BIC. This article provides practical information on how to undertake valid and reliable statistical analyses of social science data., Petr Soukup., and Obsahuje bibliografii a bibliografické odkazy