Kalkulator Nilai-P Tukar statistik ujian kepada nilai-p · disahkan vs R 4.3.3
contohnya nilai z, t, χ² atau F
Untuk t, χ²; pengangka df untuk F
Biarkan kosong melainkan F
Panduan pengguna

Bila hendak digunakan. Tukarkan statistik ujian (z, t, χ² atau F) kepada nilai-p di bawah hipotesis nol.

Andaian. Anda sudah mempunyai statistik yang dikira dengan betul dan darjah kebebasan yang betul.

Kesilapan biasa. Nilai-p bukanlah kebarangkalian nol itu benar, mahupun saiz sesuatu kesan.

Contoh yang dikerjakan

Klik Muatkan data contoh di atas, kemudian Jalankan Analisis untuk melihat hasil yang diusahakan sepenuhnya dengan rajah, formula dan tafsiran untuk ujian ini.

Rujukan
  1. Wasserstein RL, Lazar NA. Pernyataan ASA mengenai nilai-p. Am Stat. 2016;70:129-133.
Dikuasai oleh editverse.com · R 4.3.3 disahkan · v3.6 Perlukan analisis pakar? →
Ekor yang manakah digunakan. z dan t: dua hujung p = 2 × P(T ≥ |t|), satu hujung p = P(T ≥ |t|), diambil mengikut arah statistik yang diperhatikan. Khi kuasa dua dan F: sentiasa hujung atas, p = P(X ≥ statistik), kerana hanya nilai besar dikira sebagai bukti terhadap nol. Tetapan Dua Hujung atau Satu Hujung tidak mengubah keputusan khi kuasa dua atau F.

Dalam Kata-kata Ringkas: Apa yang Sebenarnya Diberitahu oleh Nilai-P kepada Anda

Nilai-p menjawab satu soalan sempit: jika benar-benar tiada kesan (hipotesis nol adalah tepat), berapa kerap anda akan melihat hasil yang sekurang-kurangnya sama ekstrem dengan yang anda perhatikan, secara kebetulan sahaja? Nilai-p yang kecil bermakna data anda akan mengejutkan dalam dunia tanpa kesan — jadi data tersebut tidak konsisten dengan andaian tanpa kesan itu.

Apa yang bukan : nilai-p bukanlah kebarangkalian hipotesis nol adalah benar, ia bukanlah kebarangkalian keputusan anda berlaku secara kebetulan, dan ia tidak mengukur betapa besar atau pentingnya sesuatu kesan. Ketiga-tiga kekeliruan tersebut adalah ralat yang paling biasa dalam literatur yang diterbitkan, dan pengulas dilatih untuk mengesannya.

Ambangp < 0.05 ialah satu konvensyen, bukan hukum alam. Ia bermaksud kadar positif palsu 5% di bawah nol.
Berpasangan denganSentiasa laporkan saiz kesan + selang keyakinan bersama nilai-p, jangan sekali-kali nilai-p sahaja.
Lalai dua hujungGunakan hipotesis dua hujung melainkan anda mempunyai hipotesis berarah yang telah didaftarkan terlebih dahulu.
Bukan "kepentingan""Keertifan secara statistik" ≠ "penting secara klinikal." Kesan yang kecil dan tidak berguna boleh menjadi signifikan dalam sampel yang besar.

Panduan Lengkap untuk Nilai-P

Nilai-p merupakan statistik yang paling kerap dilaporkan dalam penyelidikan bioperubatan dan, dengan margin yang luas, yang paling kerap disalahertikan. Ia diperkenalkan oleh RA Fisher sebagai ukuran bukti tidak formal terhadap hipotesis nol, kemudian digabungkan dengan kerangka keputusan Neyman-Pearson ke dalam peraturan "tolak jika p < 0.05" yang mendominasi jurnal hari ini. Sambungan sejarah itu adalah punca kebanyakan kekeliruan: nombor tersebut dianggap sebagai peraturan keputusan ya/tidak sambil ditafsirkan sebagai ukuran bukti berterusan, dan kedua-dua bacaan tidak selalunya sepadan.

Definisi formal

Memandangkan statistik ujian yang dikira daripada data anda, nilai-p ialah kebarangkalian — dengan mengandaikan hipotesis nol dan semua andaian model lain adalah betul — untuk mendapatkan keputusan sekurang-kurangnya sama ekstremnya dengan yang diperhatikan. Secara formal, untuk statistik yang diperhatikan, p = P(|X| ≥ |stat| | H₀) untuk ujian z atau t dua hujung. Bagi ujian khi kuasa dua dan F, nilai-p ialah hujung atas, p = P(X ≥ stat | H₀)Kalkulator di atas menukar statistik az, t, χ² atau F (dengan darjah kebebasan yang betul) kepada kebarangkalian ini dan menunjukkan arahan R yang sepadan supaya hasilnya boleh dihasilkan semula sepenuhnya.

Satu-satunya peringatan yang paling penting: nilai-p bergantung pada keseluruhan model statistik yang betul — bukan sahaja kesan nol, tetapi juga andaian tentang taburan, kebebasan, tiada bias pemilihan dan tiada ralat pengukuran. Nilai-p yang kecil menandakan bahawa sesuatu dalam set andaian itu tidak masuk akal dan kesan nol hanya satu calon. Ini adalah mesej utama panduan moden yang paling banyak dipetik untuk topik tersebut (Greenland et al., 2016).

Cara mentafsir keputusan anda

  • p <0.001 — bukti yang sangat kukuh terhadap nol di bawah model yang diandaikan. Laporkan nilai yang tepat (cth., p = 0.0004), bukan “p < 0.05”.
  • 0.001 ≤ p < 0.05 — bukti terhadap nol pada ambang konvensional. Tafsirkan berdasarkan saiz kesan dan selang keyakinan.
  • 0.05 ≤ p < 0.10 — lemah/samar-samar. Lakukan tidak digambarkan sebagai "menuju ke arah kepentingan" atau "menghampiri kepentingan"; frasa ini dikritik dalam literatur metodologi.
  • p ≥ 0.10 — data serasi secara munasabah dengan null. Ini adalah tidak bukti "tiada kesan" — ketiadaan bukti bukanlah bukti ketiadaan, terutamanya dalam kajian yang kurang berkesan.

Lima peraturan yang dikuatkuasakan oleh penilai

1. Laporkan nilai-p yang tepat

Tulis p = 0.03, Tidak p < 0.05Nilai tepat membolehkan pembaca menggunakan ambang bukti mereka sendiri. Gunakan p < 0.001 hanya di bawah tingkat itu sahaja.

2. Sentiasa pasangkan dengan saiz kesan dan 95% CI

Nilai-p sahaja tidak boleh ditafsirkan untuk keputusan klinikal. Selang keyakinan menunjukkan julat kesan yang serasi dengan data anda; saiz kesan menunjukkan sama ada perbezaannya penting.

3. Nyatakan terlebih dahulu satu lawan dua hujung

Ujian dua hujung adalah pilihan lalai. Ujian satu hujung hanya boleh dipertahankan apabila hipotesis berarah telah didaftarkan sebelum melihat data.

4. Betul untuk berbilang perbandingan

Menguji 20 hasil pada α = 0.05 menghasilkan kira-kira satu positif palsu secara kebetulan. Gunakan Bonferroni, Holm atau kawalan kadar penemuan palsu dan nyatakan yang mana.

5. Jangan sekali-kali mentafsirkan "tidak signifikan" sebagai "tiada perbezaan"

Nilai-p yang besar dalam kajian kecil biasanya bermaksud kuasa yang rendah, bukan nol sebenar. Laporkan CI supaya pembaca boleh menilai kesan yang masih munasabah.

Contoh Kerja

Senario klinikal sebenar. Masukkan statistik ke dalam kalkulator di atas untuk menghasilkan semula setiap nilai-p.

1. Percubaan dua kumpulan (z / normal)

Satu percubaan membandingkan ubat antihipertensi baharu dengan plasebo. Statistik ujian piawai untuk perbezaan purata tekanan darah sistolik ialah z = 2.5.

stat = 2.5 · dist = Normal (z) · dua hujung
p = 0.0124

Bacaan: di bawah nol bagi tiada perbezaan, jika ekstrem ini berlaku ~1.2% daripada masa. Laporkan bersama perbezaan min dan 95% CInya.

2. Kajian berpasangan kecil (t)

Satu kajian sebelum/selepas protokol pemulihan ke atas 15 pesakit memberikan t berpasangan = 2.20 dengan df = 14.

stat = 2.20 · dist = t · df1 = 14 · dua hujung
p ≈ 0.045

Bacaan: kurang daripada 0.05, tetapi dengan n = 15, CI akan menjadi luas. Ini adalah kes di mana pelaporan selang (bukan sekadar "signifikan") penting.

3. Jadual kontingensi (χ²)

Jadual 2×3 bagi kategori rawatan vs tindak balas menghasilkan χ² = 9.5 dengan df = 2.

stat = 9.5 · dist = Khi-kuasa dua · df1 = 2 · ekor atas
p ≈ 0.0087

Bacaan: bukti kukuh perkaitan. Susulan dengan baki piawai untuk melihat sel mana yang mendorongnya — nilai-p sahaja tidak menentukan lokasi kesannya.

4. Ujian omnibus ANOVA (F)

Tiga diet dibandingkan berdasarkan perubahan berat badan; ANOVA sehala memberikan F = 4.10 dengan df1 = 2, df2 = 57.

stat = 4.10 · dist = F · df1 = 2 · df2 = 57 · ekor atas
p ≈ 0.022

Bacaan: min sekurang-kurangnya satu kumpulan berbeza. Omnibus p tidak menyatakan pasangan yang mana — jalankan ujian pasca-hoc (Tukey HSD) dengan pembetulannya sendiri.

Soalan Lazim

Adakah nilai-p memberitahu saya kebarangkalian hipotesis saya adalah benar?

Tidak. Ini adalah salah tafsir yang paling biasa dalam literatur. Nilai-p dikira dengan mengandaikan hipotesis nol adalah benar; ia juga tidak boleh memberitahu anda kebarangkalian bahawa nol adalah benar. Untuk mendapatkan kebarangkalian hipotesis berdasarkan data, anda memerlukan rangka kerja Bayesian, bukan nilai-p.

Adakah p = 0.04 "lebih signifikan" daripada p = 0.06?

Batasan 0.05 adalah satu konvensyen, dan perbezaan antara 0.04 dan 0.06 adalah jauh lebih kecil daripada yang dirasai. Melayan satu sebagai penemuan dan yang satu lagi sebagai penemuan nol adalah ralat yang diketahui — laporkan nilai yang tepat dan tafsirkannya secara berterusan di samping saiz kesan dan selang keyakinan.

Apakah perbezaan antara kepentingan statistik dan klinikal?

Kepentingan statistik menanyakan sama ada sesuatu kesan boleh dibezakan daripada sifar berdasarkan data. Kepentingan klinikal menanyakan sama ada kesannya cukup besar untuk menjadi penting kepada pesakit. Dalam sampel yang besar, perbezaan klinikal yang remeh boleh menjadi sangat signifikan secara statistik; dalam sampel yang kecil, perbezaan klinikal yang penting boleh gagal mencapai keertian. Sentiasa laporkan kedua-duanya.

Patutkah saya menggunakan ujian satu hujung atau dua hujung?

Secara lalai, ujian dua hujung. Ujian satu hujung menggandakan kuasa ketara anda tetapi hanya wajar apabila hipotesis berarah ditentukan sebelum pengumpulan data — idealnya didaftarkan terlebih dahulu. Pengulas ragu-ragu terhadap ujian satu hujung yang dipilih selepas melihat data.

Adakah kalkulator ini sepadan dengan R dan SPSS?

Ya. Kalkulator ini menggunakan fungsi taburan yang sama seperti R 4.3.3 (pnorm, pt, pchisq, pf) dan mengeluarkan kod R yang tepat supaya anda boleh menghasilkan semula dan mengesahkan setiap keputusan. Output adalah setara dengan SPSS dan Stata untuk input dan darjah kebebasan yang sama.

Bacaan & Rujukan Penting

Sumber yang disemak oleh rakan sebaya dan diindeks oleh PubMed untuk bahagian kaedah anda dan pemahaman anda sendiri.

Greenland S, Senn SJ, Rothman KJ, Carlin JB, Poole C, Goodman SN, Altman DG. Ujian statistik, nilai P, selang keyakinan dan kuasa: panduan kepada salah tafsir. Epidemiol Eur J. 2016;31(4):337–350. PMID: 27209009 · DOI: 10.1007/s10654-016-0149-3 · Teks penuh bebas (PMC4877414)

Rujukan moden yang penting — katalog ralat paling lazim dalam mentafsir nilai-p, selang keyakinan dan kuasa. Baca ini dahulu.

Habibzadeh F. Nilai P: Apakah Ia dan Apa Yang Bukan. J Korea Med Sci. 2025; 40: e321. PMID: 41250654 · DOI: 10.3346/jkms.2025.40.e321 · Ulasan · Teks penuh percuma

Satu ulasan semasa yang boleh diakses yang menjejaki nilai-p daripada Fisher melalui rangka kerja Neyman-Pearson, dengan panduan pelaporan praktikal.

Boscardin CK, Sewell JL, Tolsgaard MG, Pusic MV. Cara Menggunakan dan Melaporkan nilai-p. Pendidikan Perubatan Perspect. 2024;13(1). PMID: 38680196 · DOI: 10.5334/pme.1324 · Teks penuh bebas (PMC11049675)

Panduan praktikal yang berfokuskan pelaporan tentang ambang “P < 0.05” dan cara membentangkan nilai-p secara bertanggungjawab.

van Rijn MHC, Bech A, Bouyer J, van den Jenama JAJG. Kepentingan statistik berbanding kaitan klinikal. Pemindahan Dail Nephrol. 2017;32(suppl_2). PMID: 28064161 · DOI: 10.1093/ndt/gfw385

Menterjemahkan amaran Persatuan Statistik Amerika ke dalam bahasa yang mesra doktor; menjelaskan perbezaan kepentingan vs kerelevanan.

Ahli Parlimen Cote, Lubowitz JH, Brand JC, Rossi MJ. Salah Tafsiran Nilai P dan Kuasa Statistik Mencipta Rasa Kepastian Palsu. Arthroscopy. 2021;37(4). PMID: 33812509 · DOI: 10.1016/j.arthro.2021.02.010

Mengenai bahaya dikotomiskan keputusan kepada "signifikan / tidak signifikan" dan ketidakpastian yang dikaburkan ini.

Tanha K, Mohammadi N, Janani L. Nilai-P: Apa yang ada dan apa yang tidak. Med J Islam Republik Iran. 2017; 31: 65. PMID: 29445694 · DOI: 10.14196/mjiri.31.65 · Teks penuh bebas (PMC5804470)

Buku panduan ringkas yang dibina berdasarkan penyataan ASA 2016 — sesuai untuk pengajaran dan rujukan pantas.

Kalkulator Statistik Berkaitan

Alat percuma dan disahkan untuk analisis anda yang selebihnya

Selang Keyakinan →Laporkan bersama setiap nilai-p Saiz Kesan (d Cohen) →Kirakan sejauh mana kesannya Ujian-T →Bandingkan dua cara kumpulan Ujian Khi-Kuasa Dua →Persatuan kategori ANOVA Sehala →3+ kumpulan dengan Tukey HSD Saiz & Kuasa Sampel →Rancang sebelum anda mengumpul data

Perlukan Pakar Statistik untuk Mengesahkan Analisis Anda?

Ahli biostatistik kami menyediakan analisis statistik sedia untuk penerbitan, teks kaedah dan sokongan respons pengulas — dengan output boleh dihasilkan semula berasaskan R.

Dapatkan Bantuan Statistik Pakar