医学论文中p值如何判断

P 值即概率,反映某一事件发生的可能性大小.统计学根据显著性检验方法所得到的P 值,一般以P < 为显著,P F,也可写成Pr( >F),P = P{ > F}或P = P{ > F}.下面的内容列出了P值计算方法.(1) P值是：1) 一种概率,一种在原假设为真的前提下出现观察样本以及更极端情况的概率.2) 拒绝原假设的最小显著性水平.3) 观察到的(实例的) 显著性水平.4) 表示对原假设的支持程度,是用于确定是否应该拒绝原假设的另一种方法.(2) P 值的计算：一般地,用X 表示检验的统计量,当H0 为真时,可由样本数据计算出该统计量的值C ,根据检验统计量X 的具体分布,可求出P 值.具体地说:左侧检验的P 值为检验统计量X 小于样本统计值C 的概率,即 = P{ X < C} 右侧检验的P 值为检验统计量X 大于样本统计值C 的概率 = P{ X > C} 双侧检验的P 值为检验统计量X 落在样本统计值C 为端点的尾部区域内的概率的2 倍:P = 2P{ X > C} (当C位于分布曲线的右端时) 或P = 2P{ X< C} (当C 位于分布曲线的左端时) .若X 服从正态分布和t分布,其分布曲线是关于纵轴对称的,故其P 值可表示为P = P{| X| > C} .计算出P 值后,将给定的显著性水平α与P 值比较,就可作出检验的结论:如果α > P 值,则在显著性水平α下拒绝原假设.如果α ≤ P 值,则在显著性水平α下接受原假设.在实践中,当α = P 值时,也即统计量的值C 刚好等于临界值,为慎重起见,可增加样本容量,重新进行抽样检验.整理自：樊冬梅,假设检验中的P值.郑州经济管理干部学院学报,2002,韩志霞,张玲,P 值检验和假设检验.边疆经济与文化,2006中国航天工业医药,1999 P值是怎么来的 从某总体中抽 ⑴、这一样本是由该总体抽出,其差别是由抽样误差所致； ⑵、这一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赖判断.其步骤是：⑴、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.⑵、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.⑶、根据选定的显著性水平（或）,决定接受还是拒绝H0.如果P＞,不能否定“差别由抽样误差引起”,则接受H0；如果P＜或P ＜,可以认为差别不由抽样误差引起,可以拒绝H0,则可以接受令一种可能性的假设（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.统计学上规定的P值意义见下表 P值 碰巧的概率 对无效假设 统计意义 P＞ 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＜ 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 ＜ 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 理解P值,下述几点必须注意：⑴P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＜药取得P＜并不表示D的药效比C强.⑵ P＞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.⑶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 ＜,无此必要.⑷显著性检验只是统计结论.判断差别还要根据专业知识.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

P值是采用假设检验的方法来计算的。举个例子来说明：比较两个样本的均数有没有差别，采用反证法，首先建立假设检验，H0：假设两组没有差别，H1：假设两组有差别。通过假设两组没有差别计算出其没有差别的概率，一般取P＜作为临界值，若P＜则代表随机抽取的两组均数没有差别的概率小于，为小概率事件，此时拒绝H0，接受H1。P＞接受H0。但是P值的大小只能代表两者是否具有统计学差异，不能代表差异的大小。详细的计算方法要根据你采用的统计学方法具体计算，现在这步一般都采用统计软件SPSS、SAS等来完成。希望对你有所帮助。

统计学P值检验数值含义如下：

理解P值，下述几点必须注意：

一、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<，D药取得P <并不表示D的药效比C强。

二、P>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。那种将“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。

三、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 <，无此必要。

四、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。

P值的计算：

一般地，用X 表示检验的统计量，当H0为真时，可由样本数据计算出该统计量的值C，根据检验统计量X的具体分布，可求出P值。具体地说：

左侧检验的P值为检验统计量X 小于样本统计值C 的概率，即：P = P{ X < C}

右侧检验的P值为检验统计量X 大于样本统计值C 的概率：P = P{ X > C}

双侧检验的P值为检验统计量X 落在样本统计值C 为端点的尾部区域内的概率的2 倍：P = 2P{ X > C} (当C位于分布曲线的右端时) 或P = 2P{ X< C} (当C 位于分布曲线的左端时) 。若X 服从正态分布和t分布，其分布曲线是关于纵轴对称的，故其P 值可表示为P = P{| X| > C} 。

计算出P值后，将给定的显著性水平α与P 值比较，就可作出检验的结论：

如果α > P值，则在显著性水平α下拒绝原假设。

如果α ≤ P值，则在显著性水平α下不拒绝原假设。

在实践中，当α = P值时，也即统计量的值C刚好等于临界值，为慎重起见，可增加样本容量，重新进行抽样检验。