统计学中假设检验有关P值的讨论

摘要： 统计检验能有效确定从样本统计推断至总体时所犯错误的概率，其在医学、临床试验。观察性研究方面有着重要意义。近年来期刊编辑和统计顾问越来越关注医学文献中显着性检验和P值的过度使用和误解。为了澄清对统计学检验和P值的误解和误用，本文通过回顾P值相关理论，总结了P值的优势和劣势，强调了P值在使用中应注意的问题，旨在使非统计专业人员避免对P值的误解和误用。
关键词 : P值；假设检验；置信区间

1 引言

为了确定从样本统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检验。通过把所得到的统计检验定值，与统计学家建立了一些随机变量的概率分布进行比较，我们可以知道在多少百分比的机会下会得到目前的结果。然而，期刊编辑和统计顾问越来越关注医学文献中显着性检验和P值的过度使用和误解。正如美国统计协会最近发表的论文所总结的那样，P值除了具有优势外，还存在固有的弱点。

为了澄清，扩展和完善了统计指南，以便作者涵盖临床试验和观察性研究。新指南讨论了《日刊》研究报告的许多方面，包括用效应或关联的估计值代替P值的要求，以及当协议和统计分析计划都没有指定用于调整乘数的方法时95%置信区间的要求。本文通过回顾 P值相关理论，解读了P值的含义以及在假设检验中应注意的问题，旨在使非统计专业人员避免对 P 值的误解和误用。

2 P值相关理论

P 的含义是指从H0规定的总体中随机抽样，抽得等于及大于或等于及小于现有样本获得的检验统计量的概率。P值理论归功于现代统计学之父、英国统计学家Ronald A. Fisher，Fisher 基于1908年Student的t分布理论，于1925 年首次给出不同情形下P值的计算方法。P 值提供的是度量实际数据与无效假设不相容的证据，P 值越小，越有理由拒绝无效假设。Fisher 认为这是建立科学事实的唯一实验依据，并提出使用后来饱受诟病的“显著”一词来描述该结论，P 值理论由此得名显著性检验。Fisher提示研究者应尽可能重复实验，如果重复实验仍然得到较小的 P 值，则可以推论观察到的效应不大可能单纯由于偶然造成。所以“显著”本意是值得研究者关注或进行重复实验