-
百度文库
-
让每个人平等地提升自我
P
值是怎么来的
从某总体中抽
⑴、这一样本是由该总体抽出，其差别是由抽样误差所致；
⑵、这一样本不是从该总体抽出，所以有所不同。
如何判断是那种原因呢？统计学中
用显著性检验赖判断。其步骤是：
⑴、建立检验假设（又称
无效假设
，符
号为
H0
）
：如要比较
A
药和
B
药的疗效是否相等，
则假设两组样本
来自同一总体，即
A
药
的总体疗效和
B
药相等，差别仅由抽样误差引起的碰巧出现的。
⑵、选择适当的统计方
法计算
H0
成立
的可能性即概率有多大，概率用
P
值表示。⑶、根据选定的显著
性水平（或）
，决定接受还是拒
绝
H0
。如果
P
＞，不能否定
“
差别由抽样误差引起
”
，则
接受
H0
；
如果
P
＜或
P
＜，可以认为差别不由抽
样误
差引起，可以拒绝
H0
，则
可以接受令一种可能性的假设（又称备选假设，符号为
H1
）
，即两样本来自不同的
总体，所以两药疗效有差
别。
统
计学上规定的
P
值意义见下表
P
值
碰巧的概率
对无效假设
统计意义
P
＞
碰巧出现的可能性大于
5%
不能否定无效假设
两组差别无显著意义
P
＜
碰巧出现的可能性小于
5%
可以否定无效假设
两组差别有显著意义
P
＜
碰巧出现的可能性小于
1%
可以否定无效假设
两者差别有非常显著意义
理解<
/p>
P
值，下述几点必须注意：
⑴
P
的意义不表示两组差别的大小，
P
反映两组
差别有无统计学意义，并不表示差别大小。因此，与对照
组相比，
C
药取得
P
＜，
D
药取得
P
＜并不表示
D
的药效比
C
强。
⑵
P
＞时，
差异无显著意义，根据统计学原理可知，不能否认无效假设，但并不认为无效假设肯定成立。
在药效统计分析中，更不表示两药等效。哪种将
“
两组差别
无显著意义
”
与
“
两组基本等效
”
相同的做法是缺乏统
计学依据的。
⑶统计学主要用上述三种
P
值表示，也可以计算出确切
的
P
值，有人用
P
＜，无此必要。
⑷显著性检验只是统计结论。判断差别还要根据专业知识。样
所得的样本，其统计量会与总体参数有所不
同，这可能是由于两种原因
< br>
P
值是最常用的一个统计学
指标，几乎统计软件输出结果都有
P
值。了解
< br>p
值的由来、计算和意义很有必
要。
统计学意义（
p
值）（这是经理每次争论的焦点）
结果的统计学意义是结果真实程度（能够代表总体）的一种
估计方法。专业上，
p
值为结果可信程度的
一个递减指标，
p
值越大，我们越不能认为样本中变量的关
联是总体中各变量关联的可靠指标。
p
值是将观察
结果认为有效即具有总体代表性的犯错概率。如
p=
提示样本中变量关联有
5%
的可能是由于偶然性造成
的。即
假设总体中任意变量间均无关联，我们重复类似实验，会发现约
20
个实验中有一个实验，我们所研究的变量
关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到
5
%
或
95%
次数的相同结
果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究
领域，
的
p
值通常被认为是可接受错误
的边界水平。
如何判定结果具有真实的显著性
在最
后结论中判断什么样的显著性水平具有统计学意义，
不可避免地带有武断性。
换句话说，
认为结果无
效而被拒绝接受的水平的选
择具有武断性。实践中，最后的决定通常依赖于数据集比较和分析过程中结果是先
验性还
是仅仅为均数之间的两两
>
比较，依赖于总体数据集里结论一致
的支持性证据的数量，依赖于以往该研
究领域的惯例。通常，许多的科学领域中产生
p
值的结果
≤
被认
为是统计学意义的边界线，但是这显著性水平
还包含了相当高的犯错可能性。
结果
≥p>
被认为是具有统计学意义，
而
≥p≥
被认为具有高度统计学意义
。
但要注
意这种分类仅仅是研究基础上非正规的判断
常规。
所有的检验统计都是正态分布的吗？
1