关于统计学 spss 中的p值的意义的问题解释-数据分析

假设检验p值为什么是拒绝原假设的最低显著性水平？

p值说的是你算出来的一个检验变量所对应的概率值，比如算出来p值是10%，说的就是，你如果以此为界拒绝原假设的话，那么有10%的可能性要犯错误，就是说本来原假设对，但是你却给拒绝了。所以说p值越大，拒绝原假设的理由越不充分，也就是这个因素对结果没有明显影响；有时候p值算出来接近0，就说明，你以这个数为界，如果拒绝原假设，那么你不可能犯错误，就说明你这个数字非常不符合原假设。

除在方差齐性检验和正态性检验中 P值>sig 表示证明没有差异，方差齐，为正态性，其他处均为 P值

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p值的由来、计算和意义很有必要。
. f
& 6 e) G0 _8 ^& l
一、P值的由来R·A·Fisher（1890-1962）作为一代假设检验理论的创立者，在假设检验中首先提出P值的概念。他认为假设检验是一种程序，研究人员依照这一程序可以对某一总体参数形成一种判断。也就是说，他认为假设检验是数据分析的一种形式，是人们在研究中加入的主观信息。（当时这一观点遭到了Neyman-Pearson的反对，他们认为假设检验是一种方法，决策者在不确定的条件下进行运作，利用这一方法可以在两种可能中作出明确的选择，而同时又要控制错误发生的概率。这两种方法进行长期且痛苦的论战。虽然Fisher的这一观点同样也遭到了现代统计学家的反对，但是他对现代假设检验的发展作出了巨大的贡献。）Fisher的具体做法是：) v# ?/ k8 k4 K7 P+ D! L3 G6 `
5 E. |) A  o5 I6 l7 m
   * 假定某一参数的取值。
    选择一个检验统计量(例如z 统计量或Z 统计量) ，该统计量的分布在假定的参数取值为真时应该是完全已知的。6 |+ i; |. Y% }# n
   * 从研究总体中抽取一个随机样本4计算检验统计量的值5计算概率P值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
  * 如果P<0.01，说明是较强的判定结果，拒绝假定的参数取值。
  * 如果0.01<P值<0.05，说明较弱的判定结果，拒接假定的参数取值。
  * 如果P值>0.05，说明结果更倾向于接受假定的参数取值。+ f+ v$ L& |7 u) y/ g
) F2 R% q9 ?1 l1 k* s, M
可是，那个年代，由于硬件的问题，计算P值并非易事，人们就采用了统计量检验方法，也就是我们最初学的t值和t临界值比较的方法。统计检验法是在检验之前确定显著性水平，也就是说事先确定了拒绝域。但是，如果选中相同的，所有检验结论的可靠性都一样，无法给出观测数据与原假设之间之间不一致程度的精确度量。只要统计量落在拒绝域，假设的结果都是一样，即结果显著。但实际上，统计量落在拒绝域不同的地方，实际上的显著性有较大的差异。  E! R- B% H. R- v  O
因此，随着计算机的发展，P值的计算不再是个难题，使得P值变成最常用的统计指标之一。

二、P值的计算为理解P值的计算过程，用表示检验的统计量，表示根据样本数据计算得到的检验统计量值。
左侧检验 vs6 K0 T* S5 ?% s. `4 D/ W2 C; |7 v
P值是当时，检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值 =‘ r6 ?) C’ y2 a) w+ S1 r; f
右侧检验 vs& . j! m5 P M. T* K” S1 A7 h: U
P值是当时，检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值 =
双侧检验 vs
P值是当时，检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值 =# y* Z7 @2 c’ a6 n+ w: v; K) s
三、P值的意义P值就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明这种情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。/ G4 @7 s, h2 }’ ]) D( @1 N4 t
总之，P值越小，表明结果越显著。但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要我们自己根据P值的大小和实际问题来解决。

转载请注明：数据分析 » 关于统计学 spss 中的p值的意义的问题解释