p值小于0.05統(tǒng)計學意義是？
p值小于0.05統(tǒng)計學意義是？
1、P<0.05，碰巧出現(xiàn)的可能性小于5%，可以否定原假設(shè)，兩組差別有顯著意義。
2、P>0.05，碰巧出現(xiàn)的可能性大于5%，不能否定原假設(shè)，兩組差別無顯著意義。
3、P <0.01，碰巧出現(xiàn)的可能性小于1%，可以否定原假設(shè)，兩者差別有非常顯著意義。
P值是：
1、一種概率，一種在原假設(shè)為真的前提下出現(xiàn)觀察樣本以及更極端情況的概率。
2、拒絕原假設(shè)的最小顯著性水平。
3、觀察到的(實例的)顯著性水平。
4、 表示對原假設(shè)的支持程度，是用于確定是否應(yīng)該拒絕原假設(shè)的另一種方法。
從研究總體中抽取一個隨機樣本計算檢驗統(tǒng)計量的值計算概率P值或者說觀測的顯著水平，即在假設(shè)為真時的前提下，檢驗統(tǒng)計量大于或等于實際觀測值的概率。
1、如果P<0.01，說明是較強的判定結(jié)果，拒絕假定的參數(shù)取值。
2、如果0.01<P值<0.05，說明較弱的判定結(jié)果，拒絕假定的參數(shù)取值。
3、如果P值>0.05，說明結(jié)果更傾向于接受假定的參數(shù)取值。
經(jīng)雙側(cè)兩樣本驗,若p<0.05,則對應(yīng)的結(jié)論是？
經(jīng)雙側(cè)兩樣本驗,若p<0.05，則對應(yīng)的結(jié)論是樣本率不全相等或完全不相等。
雙側(cè)檢驗，就是指當統(tǒng)計分析的目的是要檢驗樣本平均數(shù)和總體平均數(shù)，或樣本成數(shù)有沒有顯著差異，而不問差異的方向是否是正差還是負差時，所采用的一種統(tǒng)計檢驗方法。
主要優(yōu)勢：
樣本（specimen）是觀測或調(diào)查的一部分個體，總體是研究對象的全部。
總體中抽取的所要考查的元素總稱，樣本中個體的多少叫樣本容量。一般的，樣本的內(nèi)容是帶著單位的，例如：調(diào)查某中學300名中學生的視力情況中，樣本是300名中學生的視力情況，而樣本容量則為300。
t檢驗-合理和正確解釋P＜0.05（Cohen‘s d 效應(yīng)量指標）（一）
當我們在使用t檢驗的時候大多數(shù)時候都是小樣本為主，尤其是臨床試驗中，用較少的樣本來推斷其所代表的總體是否有差異是我們的最終目的， 但是當樣本量較大時，專業(yè)統(tǒng)計得到的結(jié)果可能與真實情況有差別。因為對于大樣本，輕微的差別就會導致t值變化很大，從而掩蓋了數(shù)據(jù)間真實的情況。
通過上圖兩獨立樣本t檢驗的公式可以看出，決定t值大小的因素有樣本均數(shù)X，樣本數(shù)n和標準差S，大樣本量勢必影響t值的大小。
一味地去關(guān)注P是否小于0.05，而忽略了數(shù)據(jù)本身的情況是不可取的。關(guān)于正確理解P值的含義，我在此推薦程開明老師的這篇文獻。由于篇幅所限，在此就不過多展開。 今天我主要說的是如何通過效應(yīng)量指標來輔助解讀P值，其他方法我會在之后的文章中盡量補充。
效應(yīng)量的概念： 效應(yīng)量是指由于因素引起的差別，是衡量處理效應(yīng)大小的指標。與顯著性檢驗不同，這些指標不受樣本容量影響。它表示不同處理下的總體均值之間差異的大小，可以在不同研究之間進行比較。
平均值差異、方差分析解釋比例、回歸分析解釋比例需要用效應(yīng)量描述。效應(yīng)量不受樣本容量的影響。當樣本容量大得到顯著時，有必要報告效應(yīng)量大小。
（來自百度百科） Cohen’s d用于t檢驗，表明兩個均數(shù)之間的標準差異; η2（偏η2）主要用于方差分析（ANOVA），表明與變量X的水平變化有關(guān)的變量Y的變化比率。 翻譯成白話就是： 1、效應(yīng)量不受樣本量的影響，真實反映效應(yīng)大小情況。 2、討論自變量和因變量強度關(guān)系時，也不受樣本量影響。
（比如在回歸分析中） 3、同樣在回歸分析中，通過效應(yīng)量指標可以真實得出自變量對因變量的重要程度，尤其在建模找危險因素時很有用。 4、當效應(yīng)量較小時，就算P值＜0.05，也不能輕易下結(jié)論。 案例說明： 為了方便理解，我舉個例子來說明效應(yīng)量指標的實際意義。 一項開展我國男嬰體重的調(diào)查，統(tǒng)計結(jié)果顯示北方5385人平均體重為3.08kg，南方4896人平均3.10kg，3.08kg和3.10kg實際相差0.02kg，結(jié)論應(yīng)該是南北方男嬰出生體重相差不大才對。
但此時如果使用t檢驗，得出的結(jié)果確是t=2.93，P=0.0034，差異有統(tǒng)計學意義。 此時如果堅持統(tǒng)計學結(jié)論，則會得到一個不真實的結(jié)論。因為在樣本量較大的時候，P值會趨于小概率。 Cohen\’s d 的計算： 很遺憾SPSS無法計算這個指標，但我會介紹另一款統(tǒng)計軟件（JASP）可以輕易計算，在此之前我們先看看該指標的計算公式百科。
獨立樣本t檢驗： ES=（m1-m2）/s-pooled，m：均值，s-pooled：聯(lián)合方差 配對樣本t檢驗： ES=（m1-m2）/s，m:均值，s：差值的標準差 Cohen’s d 的結(jié)果解讀標準： 以上兩個標準都可以，任選一個就行。 由于不想篇幅過長影響閱讀，本篇先了解一下效應(yīng)量指標的使用背景，下一篇將通過具體的案例向大家展示，并且如何使用JASP這款軟件獲得Cohen\’s d效應(yīng)量指標。
