Forskare borde sluta använda termen "statistiskt signifikant" i sin forskning, uppmanar denna ledare i ett specialnummer av Den amerikanska statistikern publiceras idag.

Problemet, Statistical Inference in the 21st Century:A World Beyond P <0,05, Parlamentet uppmanar till ett slut på bruket att använda ett sannolikhetsvärde (p-värde) på mindre än 0,05 som starka bevis mot en nollhypotes eller ett värde större än 0,05 som starka bevis som gynnar en nollhypotes. Istället, p-värden ska redovisas som kontinuerliga storheter och beskrivas på ett språk som anger vad värdet betyder i det vetenskapliga sammanhanget.

Innehåller 43 artiklar av statistiker från hela världen, specialnumret förväntas leda till ett stort omtänkande av statistisk slutledning genom att initiera en process som i slutändan flyttar statistisk vetenskap – och vetenskapen själv – in i en ny tid.

I numrets ledare, Dr Ronald Wasserstein, Verkställande direktör för ASA, Dr Allen Schirm, pensionerad från Mathematica Policy Research, och professor Nicole Lazar vid University of Georgia sa:"Baserat på vår granskning av artiklarna i detta specialnummer och den bredare litteraturen, vi drar slutsatsen att det är dags att helt sluta använda termen "statistiskt signifikant".

"Inget p-värde kan avslöja rimligheten, närvaro, sanning, eller betydelsen av en förening eller effekt. Därför, en etikett med statistisk signifikans betyder eller antyder inte att en associering eller effekt är mycket sannolik, verklig, Sann, eller viktigt. Inte heller leder en märkning av statistisk icke-signifikans till att sambandet eller effekten är osannolik, frånvarande, falsk, eller oviktigt.

"För integriteten hos vetenskaplig publicering och forskningsspridning, därför, huruvida ett p-värde passerar någon godtycklig tröskel bör inte alls beaktas när man bestämmer vilka resultat som ska presenteras eller lyftas fram."

Artiklar i specialnumret föreslår alternativ och komplement till p-värden, och lyfta fram behovet av en omfattande reform av redaktionen, utbildnings- och institutionella metoder.

Även om det inte finns någon enskild lösning för att ersätta den överdimensionerade roll som statistisk signifikans har kommit att spela inom vetenskapen, Det finns solida principer för användningen av statistik, säger ledarens författare.

"Det statistiska samfundet har ännu inte konvergerat till ett enkelt paradigm för användningen av statistisk slutledning i vetenskaplig forskning - och i själva verket kanske det aldrig kommer att göra det, ", erkänner de. "En one-size-fits-all approach till statistisk slutledning är en olämplig förväntan. Istället, vi rekommenderar att forskare som utför statistisk analys av sina resultat bör använda vad vi kallar ATOM-modellen:Acceptera osäkerhet, vara eftertänksam, var öppen, var blygsam."