理解p值|定义与示例

的p价值是一个从统计检验中计算出来的数字，它描述了如果零假设为真，你找到一组特定观测值的可能性有多大。

P值用于假设检验来帮助决定是否拒绝零假设。越小p值，你越有可能拒绝零假设。

什么是零假设?

所有统计检验都有一个零假设。对于大多数检验，零假设是感兴趣的变量之间没有关系，或者组之间没有差异。

例如，双尾的t测验，零假设是两组之间的差异为零。

到底什么是p价值吗?

的p价值，或概率值，告诉你在零假设下，你的数据发生的可能性有多大。它通过计算你的可能性检验统计量，是由a计算出来的数字统计检验使用你的数据。

的p值告诉你，如果检验的零假设为真，那么你期望看到一个检验统计量比统计检验计算的结果更极端或更极端的频率。的p值随着从数据中计算出的测试统计量与范围原假设预测的检验统计量。

的p价值是一个比例:如果你p值为0.05，这意味着5%的时间你会看到一个检验统计量至少和你在零假设为真时发现的一样极端。

怎么计算p价值吗?

P数值通常由您的统计程序(R, SPSS等)自动计算。

您还可以找到用于估计的表p在线测试统计值。这些表显示，基于检验统计量和自由度(观察数减去自变量数)你的测试，如何经常零假设下的检验统计量。

计算p值取决于你用来测试你的假设：

• 不同的统计检验有不同的假设，并产生不同的检验统计数据。你应该选择统计检验这最符合您的数据，并与您想要测试的效果或关系匹配。
• 的数量独立变量您需要在测试更改中包含生成相同结果所需的测试统计量的大小p价值。

无论你用什么测试pValue总是描述相同的事情:您期望看到一个测试统计值比从测试中计算出来的统计值更极端或更极端的频率。

P数值及统计学意义

P数值最常被研究人员用来表示他们所测量的某种模式是否具有统计学意义。

统计显著性另一种说法是p统计检验的值小到足以拒绝检验的原假设。

多小才算足够小?最常见的阈值是p <0.05;也就是说，当您期望找到一个与您的测试计算结果一样极端的测试统计量时，只有5%的时间。但阈值取决于你的研究领域——有些领域更喜欢0.01，甚至0.001的阈值。

确定统计显著性的阈值也称为alpha值。

报告p值

P统计检验值通常在结果部分的研究论文，以及读者需要的关键信息p上下文中的值-例如，相关系数在一个线性回归，或a中治疗组间的平均差异t以及。

使用时注意p值

P价值观通常被解释为你拒绝的风险零假设零假设成立时的检验结果。

在现实中，拒绝零假设的风险通常高于p价值，特别是在单一研究或使用小样本量时。这是因为你的参照系越小，你就越有可能完全意外地发现一个具有统计学意义的模式。

P价值观也经常被解释为支持或反驳替代假设。事实并非如此。的p值只能告诉你零假设是否被支持。它不能告诉你你的备择假设是否正确，或者为什么正确。

关于p值的常见问题

p值是多少?

一个p价值，或概率值，是一个数字，描述您的数据在零假设你的统计检验．

如何计算p值?

P值通常由用于执行统计测试的程序自动计算。它们也可以用p-value表检验统计量．

P-value是从测试统计量的空分布中计算出来的。它们告诉您测试统计量预期在的情况下发生的频率零假设统计检验，基于它在零分布中的位置。

如果检验统计量远离零分布的均值，则p-value将很小，表明在原假设下不太可能出现检验统计量。

什么是统计显著性?

统计显著性研究人员使用的一个术语是表示他们的观察不太可能发生在零假设的统计检验．意义通常用a表示p价值，或概率值。

统计显著性是任意的——它取决于研究人员选择的阈值或alpha值。最常见的阈值是p< 0.05，这意味着该数据可能出现在低于5%的情况下零假设．

当p-value低于所选的alpha值，那么我们说测试的结果具有统计显著性。

p值能告诉你备择假设是否成立吗?

不。的p价值只能告诉您所观察到的数据发生在零假设．

如果p-value低于您的重要阈值(通常p< 0.05)，那么你可以拒绝零假设，但这并不一定意味着你的备择假设是正确的。