p值由来
从某总体中抽
- 这个样本是由该总体抽出，其差别是由抽样误差所致
- 这个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来判断。其步骤是：
- 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。
- 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。
- 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<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，则可以接受另一种可能性的假设（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。
数据解释
| 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 |
注意要点
理解P值，下述几点必须注意:
- 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D的药效比C强。
- 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“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。
- 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 <0.001，无此必要。
- 显著性检验只是统计结论。判断差别还要根据专业知识。抽样所得的样本，其统计量会与总体参数有所不同，这可能是由于两种原因。
