-
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(
0.05
或
0.01
)
,决定接
受还是拒绝
H0
。如果
P
>
0.05
,不能否定
“
差别由抽样误
差引起
”
,则接受
H0
;
如果
P
<
< br>0.05
或
P
<
0.01
,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
)
,<
/p>
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
< br>P
值意义见下表
P
值
碰巧的概率
对无效假设
统计意义
P
>
0.05
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
<
0.05
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
<
0.01
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
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
<
0.05
,
D
药取得
P
<
0.01
并不表示
p>
D
的药效比
C
强。
⑵
P
>
p>
0.05
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<
/p>
“
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
<
0.00
1
,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=
0.05
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%
< br>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,
0.05
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
≤0.05
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
0.05≥p>0.01
被认为是具有统
计学意义,而
0.01≥p≥0.001
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?
-
-
-
-
-
-
-
-
-
上一篇:论文参考文献中J、M、D等是什么意思
下一篇:中国历史朝代的英语翻译说法