医学论文统计p值很小怎么回事

p值是统计量出现更坏结果的可能。p值越小说明这种情况更不支持h0，所以统计量p值越小越拒绝原假设。

首先假设检验的思想是概率反证法思想。小概率事件在一次试验中几乎是不可能发生的，那么此时p值其实就是代表拒绝原假设H0的最小显著性水平。

如果p尽可能小那么显著性水平尽可能小，就可以保证拒绝域尽可能地小。如果拒绝域很小还是有小概率事件发生的话，那么我们就有更大的把握说明该事件不可能发生。所以p值越小就越肯定的拒绝原假设。

p值是指当原假设为真时样本观察结果或更极端结果出现的概率。如果p值很小，说明这种情况发生的概率很小，如果这种情况出现了，根据小概率原理，我们就有理由拒绝原假设1，p值越小，拒绝原假设的理由就越充分。

为什么要用p值

从p值的英文概念——probability value——很容易理解它是某一种概率的值，这个概率的具体含义是什么？

要说明这个概率的含义，我们先说明假设检验的流程，首先提出原假设和备择假设；其次，确定适当的检验统计量（如z统计量、t统计量或F统计量），并计算器数值，这一步会选定一个置信水平即α（如α=或α=）。

最后进行统计决策，决策的依据是根据样本计算出的统计量与选定置信水平下的值进行比较，然后决定是接受原假设还是拒绝原假设。

spss回归分析中，如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，就有理由拒绝原假设，P值越小，拒绝原假设的理由越充分。总之，P值越小，表明结果越显著。p=α=  此时接受H0 表明参数相等或者无显著性差异或者不显著。

p值若与选定显著性水平（或）相比更小，则零假设会被否定而不可接受。然而这并不直接表明原假设正确。p值是一个服从正态分布的随机变量，在实际使用中因样本等各种因素存在不确定性。产生的结果可能会带来争议。

扩展资料

显著性检验有时，根据一定的理论或经验，认为某一假设h0成立，例如，通常有理由认为特定的一群人的身高服从正态分布。当收集了一定数据后，可以评价实际数据与理论假设h0之间的偏离，如果偏离达到了“显著”的程度就拒绝h0，这样的检验方法称为显著性检验。

偏离达到显著的程度通常是指定一个很小的正数α（如，），使当h0正确时，它被拒绝的概率不超过α，称α为显著性水平。这种假设检验问题的特点是不考虑备择假设，考虑实验数据与理论之间拟合的程度如何，故此时又称为拟合优度检验。拟合优度检验是一类重要的显著性检验。

参考资料来源：百度百科—P值

参考资料来源：百度百科—假设检验

在统计学上P值小于和表明都有统计学意义。这个要看你样本是如何假设的。