統計學中的P值,「差異具有顯著性」和「具有顯著差異」

2021-01-17 臨床肝膽病雜誌

P值指的是比較的兩者的差別是由機遇所致的可能性大小。P值越小，越有理由認為對比事物間存在差異。例如，P<0.05,就是說結果顯示的差別是由機遇所致的可能性不足5%，或者說，別人在同樣的條件下重複同樣的研究，得出相反結論的可能性不足5%。P>0.05稱「不顯著」；P<=0.05稱「顯著」，P<=0.01稱「非常顯著」。 由於常用「顯著」來表示P值大小，所以P值最常見的誤用是把統計學上的顯著與臨床或實際中的顯著差異相混淆，即混淆「差異具有顯著性」和「具有顯著差異」二者的意思。其實，前者指的是p<=0.05，即說明有充分的理由認為比較的二者來自同一總體的可能性不足5%，因而認為二者確實有差異，下這個結論出錯的可能性<=5%。而後者的意思是二者的差別確實很大。舉例來說，4和40的差別很大，因而可以說是「有顯著差異」，而4和4.2差別不大，但如果計算得到的P值<=0.05，則認為二者「差別有顯著性」，但是不能說「有顯著差異」。 由於「有顯著差異」和「差異具有顯著性」容易混淆，因而現在有些期刊提倡用「差異有統計意義」來代替「差異有顯著性」，用「差異無統計意義」、「差異有高度統計意義」來代替「差異不顯著」和「差異有高度顯著性」。例如《中華胃腸外科學》即是如此。

如果P>5%，是否我們就可以下結論說比較的二者沒有差別呢？不能。P>5%只能說明沒有充分的證據說明二者確有差別，但是也不能說二者沒有差別或差別很小。在這兩個極端之間還有一個過渡區間，即無論下有差別還是沒有差別或差別很小的證據都不足。要推斷二者沒有差別或差別很小，需要採用等效檢驗的統計推斷方法。


本部分圖片及文字信息均來自網絡，如涉及到作者的權益，請及時通知我們。

--

地址：吉林省長春市東民主大街519號 《臨床肝膽病雜誌》編輯部 130061

電話：0431-88782542/3542

電子信箱：lcgdb@vip.163.com

網站：lcgdbzz.org（1985年創刊至今的文章均可免費下載閱讀）

新浪微博：http://weibo.com/lcgdbzz，歡迎登錄與我們交流

微信公眾號：lcgdbzz1985（請勿直接搜索「臨床肝膽病雜誌」添加關注，因為暱稱可重複註冊）

相關焦點

  • 統計學中的P值與顯著性的意義
    一、P值是什麼？
  • 統計學中p值的含義和顯著差異性分析
    統計學意義（p值）結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。專業上，p值為結果可信程度的一個遞減指標，p值越大，我們越不能認為樣本中變量的關聯是總體中各變量關聯的可靠指標。p值是將觀察結果認為有效即具有總體代表性的犯錯概率。如p=0.05提示樣本中變量關聯有5%的可能是由於偶然性造成的。
  • 乾貨|統計學的P值危機
    A、P值經常被誤解，統計的顯著性不等於實際的顯著性。今年3月份Nature發表了三個統計學家的一封公開信《科學家們起來反對統計學意義》（Scientists rise up against statistical significance），標題如戰鬥檄文令人振奮。
  • 統計學基礎遭質疑! p值、信賴區間為何被數百科學家連名反對?
    顯著性這一概念是支撐統計學發展的大廈。統計學課本中寫到：沒有統計顯著性則不能「證明」零假設（關於兩組之間無差或者兩個實驗組和對照組的假設）。同時，統計顯著性也不「證明」其他假設。三位統計學教授主張：反對統計學意義、停用 p 值為判斷標準。
  • 為什麼做科研都追求結果達到顯著性水平(p值小於0.05)?
    - 來源 / 南心網數據統計分析博客 -- 編輯 / 三倉小編 -在科學研究中，人們都希望結果達到顯著性水平，即p值小於0.05，例如希望兩組結果具有顯著性差異，兩個變量存在顯著性相關，回歸係數達到顯著性水平，等等。在做研究假設時，我們絕大多數也是在做p值顯著的假設。那麼，人們為什麼那麼熱衷p值達到顯著性？
  • 800名科學家聯名主張廢除p值!斯坦福教授:沒有p值將充滿廢話
    【新智元導讀】統計顯著性和p值是衡量研究可靠性的重要標準。這個標準是怎麼來的？今年3月Nature上一篇主張廢除p值的文章，為何獲得800位科學家聯名支持？如果沒有p值門檻，研究質量會出現大滑坡嗎？戳右邊連結上 新智元小程序 了解更多！每年，全球有數百萬學生修讀統計學課程。隨著世界上的數據量越來越大，統計學已成為越來越受歡迎的話題。
  • Nature評論:800名科學家聯名反對統計學意義,放棄P值「決定論」
    統計學課本中寫到：沒有統計顯著性則不能『證明』零假設（關於兩組之間無差或者兩個實驗組和對照組的假設）。同時，統計顯著性也不能『證明』其他假設。 近日Nature雜誌發表了三位統計學家的一封公開信表示：這種誤解用誇大的觀點扭曲了文獻，而且導致了一些研究之間的衝突。
  • 數據的顯著性差異|從O型血不易感新冠病毒說起
    統計學上，顯著性檢驗的定義：「顯著性檢驗（significance test）就是事先對總體（隨機變量）的參數或總體分布形式做出一個假設，然後利用樣本信息來判斷這個假設（備擇假設）是否合理，即判斷總體的真實情況與原假設是否有顯著性差異。」
  • 你真的懂p值嗎? 說人話的統計學
    ►所以，如果鋼蹦兒是均勻的，連拋5次得到都是正面的概率就是0.5的5次方，也就是0.03125，這就是我們所說的p值。換句話說，這種結果得玩兒32次才會出現1次。即使不做這樣的計算，藍精靈從日常生活的經驗中，也能感覺到，對於一塊均勻的鋼蹦來說，得到這樣的結果實在不太可能了。與其相信這樣的小概率事件真的發生了，我們覺得更合理的解釋是這塊鋼蹦兒根本就不是均勻的。多小的p值算是小？
  • 美國統計協會關於統計顯著性和p值的說明
    務實的考慮通常需要二元的、「是或否」的決策，但這並不意味著僅靠p值就可以確定⼀個決策的正確與否。「統計顯著性」（通常視為「p≤0.05」）被⼴泛⽤來作為宣告⼀項科學發現（或隱含的真理）的「許可證」，這導致了對科學過程的極⼤歪曲。（4）合理的推斷要求完備的報告和透明度。
  • 大學統計學白上了?800多科學家聯名反對「統計學意義」,P值該廢了
    本文經授權轉載自公眾號： 新智元(ID：AI_era)，作者：新智元統計學白學了?最新一期Nature雜誌發表了三位統計學家的一封公開信，他們號召科學家放棄追求「統計學意義」，並且停止用統計學中常見的P值作為判斷標準。一般認為P≤0.05或者P≤0.01就有顯著性差異，研究就有統計意義。
  • 隨手學統計:繞不過的 p 值
    B 藥你說錯了哦，這裡的 p 值大小不能表示兩種藥效差異大小，只能表明你們與對照組的差異均有統計學上的顯著性。如果要知道你們之間藥效是否差異，還需要單獨將你們倆作統計比較。提示：不同實驗中 p<0.05 的意義不表示各實驗結果差異的大小，它只反映各實驗中原假設在統計學上不被認可的概率。
  • 統計學常用概念|T檢驗、F檢驗、卡方檢驗、P值、自由度
    F值和t值就是這些統計檢定值，與它們相對應的概率分布，就是F分布和t分布。統計顯著性（sig）就是出現目前樣本這結果的機率。2，統計學意義（P值或sig值） 結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。
  • 【p值之爭】史丹福大學陸教授有話說
    對於在研究中闡釋統計結果而言，了解p值的多樣性和局限性是至關重要的。【關鍵詞：p值；統計推斷；假設檢驗；統計顯著性；科學可重複性】1. 背景在一個經典研究中，如臨床試驗，研究者可能對一個創新治療和安慰劑對照（或標準治療）兩組之間在一個預設的終點時的差異感興趣。初步證據表明創新治療可能會使患者受益，臨床試驗的目的在於嚴格驗證這個假設。
  • 顯著性水平怎麼算 - CSDN
    在統計學中，顯著性檢驗是「統計假設檢驗」（Statistical hypothesis testing）的一種，顯著性檢驗是用於檢測科學實驗中實驗組與對照組之間是否有差異以及差異是否顯著的辦法。代表著顯著性檢驗的結論錯誤率必須低於5%或1%在目前的統計學中，通常將（閾yǜ值）發生機率小於5%的事件稱之為「不可能事件」，在不同的領域內該閾值（P）有其特定的統計意義和不同的取值（以上解釋了顯著性檢驗與統計假設檢驗的關係）統計假設檢驗是什麼?
  • 差異基因分析方法——p-value
    我們都知道，在利用RNA-seq數據比較分析兩個樣品中同一個基因是否存在差異表達的時候，一般選取兩個標準：1）FoldChangeFoldChange，很容易理解了。就是兩樣品中同一個基因表達水平的變化倍數。
  • Alpha多樣性指數的計算和差異分析(差異檢驗結果可視化)
    ，本文將不會花費大量篇幅介紹這些基礎知識，而是重點帶來對alpha多樣性進行統計學分析並直接生成圖像的方法。均一性指數用於評估群落中各個微生物在群落中的均勻程度，所有微生物均具有相同的豐度則均一性最高，例如Pielou等。
  • 「P值」背後那些不可不知的事兒
    在微生態分析中，許多人都很會關注樣本之間的差異，通常也會做一些微群落結構差異 和 組間差異分析 (點擊藍字連結跳轉往期文章)，並且用P值來判斷差異是否顯著。那麼，如何評價差異的可靠性呢？許多文章中都會包含顯著性差異的計算，如通過比較組內差異和組間差異的大小，來判斷組間群落結構的差異是否顯著。那麼，有哪些常用的方法呢？
  • 微生物群落差異分析方法大揭秘
    最多，也就是基於PICRUSt，BUGBASE這類型的軟體預測完功能後，再做一些功能差異分析。常見的差異檢驗方法，可以分為兩大類，一類是最基本的差異檢驗方法，只輸出p值，例如t檢驗，秩和檢驗等。另外一類是可以輸出p值的同時，也可以輸出R值（R值是什麼？往下看吧），如Anosim，Adonis等。下面來簡單介紹一下這些方法。
  • 【統計】p值和FDR
    統計學中的假設檢驗的基本思路是：設立零假設（null hypothesis）𝐻0，在通常情況下，𝐻0代表兩個研究組沒有差異。從另一個方向理解，在假設𝐻0成立的前提下，即先假設「兩組沒有差異」，比較兩組的差值，如果差值符合正態分布，p值越小，說明「兩組沒有差異」的概率越小，通常情況下，當p值小於0.05時，認為是小概率事件，即「兩組沒有差異」「幾乎不可能發生。我們接受𝐻1，「兩組有明顯差異」，就是我們經常在論文裡看到的陽性結果。