在科研中P值是一個神奇的指标，但是現在又有種說法稱P值已死。為什麼？因為P值根本起不到我們期望的作用，甚至更絕望地說，P值根本就起不到這個作用。那究竟是怎麼一回事情呢？那麼，P值到底是幹什麼的？隻是上帝派來玩弄我們的嗎？它到底是真有用還是我們想的太多了？本文簡單談一下自己的一些小看法。

形狀分割線

簡單說一下P值的曆史，P值是由統計學界最牛的人Fisher老先生（相當于物理領域的牛頓級别人物）提出并推動的，這來源于他以及以後由奈曼和皮爾遜發展的假設檢驗思想（假設檢驗會在以後文中專門介紹）。簡單地說，如果你有一個50人的班級，已經知道你們班上50人的身高平均是4250px，如果現在給你1個人，身高是4750px，那麼讓你來判斷，這個人是不是你們班的人？

對于這個問題，你會怎麼判斷呢？很明顯，兩種答案，要麼是，要麼不是。通常我們會假定他是這個班上的人，因為即使是平均身高4250px，但也不是所有人都4250px，肯定有高有矮，高的人是有可能達到4750px的。但是我們不得不承認，對于一個平均身高是4250px的50人來說，出現一個4750px高的人，這種幾率是相當低的。這個“幾率”就是P值。

換句稍微專業一點的術語來說，對于一個均值是4250px的總體，有人的身高比均值高500px，如果這個人真的是這個群體中的，那麼出現500px這麼大的差異的概率有多大？這個概率就是P值。如果這個概率很小（如P值=0.01），那就可以說，出現這麼大的差異的概率隻有百分之一。對于這麼小的概率，我們認為它不大可能出現，也就是說，這個人不大可能是屬于這個群裡中的，更大的可能是屬于其他群體中的。

現在還面臨一個問題，P值到底小于多少，我們才能下結論認為這個人不大可能屬于這個群體呢？換句說話，小于多少才算“不大可能”？現在我們通用的标準是0.05，也就是說，概率小于5%，就認為“不大可能”。那這個0.05是怎麼來的呢？這個0.05也是Fisher老先生提出來的，可是他沒有對此做任何解釋，隻是說他突然想起來了，或許覺得0.05是他的幸運數字吧，然後就用0.05了，然後我們就一直沿用了。不管0.05是Fisher老先生的一個偶然想法還是怎麼樣，起碼我們真的就有了一個标準了。隻要能統一，始終是好事的，尤其在以前的時候。不過在當前計算機已經超級發達的時代，有這麼一個标準就不一定是好事了。很多人都曾有過這種經曆，P值正好等于0.049或0.052之類的。等于0.049的，感覺神都在眷顧他；等于0.052的，恨不得一頭去撞牆。也有人問過我，我的P值等于0.052，我可不可以四舍五入到0.05？

實際上，對于P值等于0.052之類的問題，也不用太煩惱。現在的雜志一般都要求提供具體的P值，而不是簡單寫為P比0.05多了千分之二的可能性，難道你覺得增加這千分之二的可能性可以讓你推翻你的結論嗎？我相信大多數人都不會這麼認為。所以你大可不必糾結于想方設法非要改成小于0.05的事情，大大方方地把自己的P值放上，我想讀者會有自己的判斷的。如果一個雜志因為你的P值=0.052而拒絕承認你的結論，我想這個雜志也不值得發表。

目前仍有人認為P值代表了差異大小，認為P值越小，差異越大，因此力求一個小的P值。而事實上，P值跟差别大小沒什麼太大關系，真正有關的反而是其他因素，比如例數的多少，這是個很重要的因素。例數少的話，就容易出現一個大的P值。以前就有臨床大夫質疑統計學，說：你看你們統計學，20個數據P值就大于0.05，我原封不動地複制成200個，P值就小于0.05，有統計學意義了。這不是在玩數字遊戲嗎？

我要說：你說的恰恰相反，20個數據時， P值大于0.05，不讓你有統計學意義，是在給你一個提醒，說明你的數據不足以支持你的結論。就像是你治療了20個人，即使都治好了，你如果宣稱治愈率100%，估計沒人會相信你。但是200個人就變成P值小于0.05，這正好說明了結論更可靠了，如果你對200個人治療還是都治好了，那你這時候說治愈率100%，我相信一定會有更多的人相信你。所以，好好想想P值吧，它是有現實意義的。統計學不是數字遊戲，而是讓你的結論更有說服力。靠什麼來體現你的結論的說服力呢，P值。

作者：楊老師 （中國統計網特邀認證作者）

本文轉自中國統計網