# z 2 * (1 - pnorm(abs({stat}))) # t: 2 * (1 - pt(abs(stat), df)) # chi2: 1 - pchisq(stat, df) # F: 1 - pf(stat, df1, df2)用户指南
何时使用。将检验统计量（z、t、χ² 或 F）转换为零假设下的 p 值。
假设条件：您已经拥有正确计算的统计量和正确的自由度。
常见误区。p值既不是原假设为真的概率，也不是效应的大小。
示例
点击上方的“加载示例数据”，然后点击“运行分析”，即可查看包含图表、公式和解释的完整结果。
案例
- Wasserstein RL, Lazar NA. ASA关于p值的声明。美国统计学家。2016;70:129-133。
简单来说：P 值究竟告诉了你什么
p 值回答的是一个具体的问题：如果真的没有效应（零假设完全正确），那么仅凭偶然性，你观察到的结果与你观察到的结果一样极端的可能性有多大？较小的 p 值意味着，如果不存在效应，你的数据就会显得异常——因此，这些数据与“无效应”的假设不符。
p 值并非零假设为真的概率，也并非结果偶然发生的概率，更不能衡量效应的大小或重要性。这三种误解是已发表文献中最常见的错误，审稿人也接受过相关培训，能够识别这些错误。
P值完全指南
p 值是生物医学研究中最常被报告的统计量，也是最容易被误解的统计量。它最初由 R.A. Fisher 提出，作为一种非正式的证据度量来衡量反对零假设的证据，后来与 Neyman-Pearson 决策框架融合，形成了如今在期刊中占据主导地位的“p < 0.05 则拒绝原假设”规则。这种历史性的融合是造成诸多困惑的根源：p 值既被视为一种非此即彼的决策规则，又被解读为一种连续的证据度量，而这两种解读并非总是一致的。
正式定义
给定一个根据你的数据计算出的检验统计量，p 值就是概率—— 假设零假设和所有其他模型假设均正确 — 获得的结果至少与观察到的结果一样极端。形式上，对于一个观察到的统计量， p = P(|X| ≥ |stat| | H₀) 对于双尾检验，上面的计算器会将 az、t、χ² 或 F 统计量（具有正确的自由度）转换为该概率，并显示相应的 R 命令，从而确保结果完全可复现。
最重要的一点是： p 值的前提是整个统计模型都正确——不仅包括零假设，还包括分布、独立性、无选择偏差和无测量误差等假设。较小的 p 值表明这些假设中某些部分不成立，零假设只是众多可能结果之一。这是该领域被引用最广泛的现代指南（Greenland et al., 2016）的核心观点。
如何解读你的结果
- p <0.001 — 在假设模型下，有非常强有力的证据反对零假设。请报告确切数值（例如，
p = 0.0004），而不是“p < 0.05”。 - 0.001≤p<0.05 — 在常规阈值下，存在反对零假设的证据。请结合效应量和置信区间进行解释。
- 0.05≤p<0.10 — 弱/含糊不清。做 不会 将其描述为“趋向重要性”或“接近重要性”；这种措辞在方法论文献中受到批评。
- p≥0.10 — 数据与空值基本吻合。这是 不会 “无效应”的证据——缺乏证据并不代表不存在，尤其是在统计效力不足的研究中。
五项规则审查员执行
1. 报告精确的p值
填写 p = 0.03，不 p < 0.05精确值可以让读者自行设定证据阈值。使用 p < 0.001 仅在该楼层以下。
2. 务必同时提供效应量和 95% 置信区间。
单凭p值无法对临床决策进行解释。置信区间显示了与您的数据相符的效应范围；效应量则表明这种差异是否具有临床意义。
3. 预先指定单尾检验还是双尾检验
双尾检验是默认设置。只有在看到数据之前就已提出方向性假设的情况下，单尾检验才是合理的。
4. 校正多重比较
在显著性水平 α = 0.05 下检验 20 个结果，大约会产生一个假阳性结果。请使用 Bonferroni 校正、Holm 校正或错误发现率校正，并说明是哪种方法。
5. 切勿将“不显著”解读为“没有差异”。
在小样本研究中，较大的 p 值通常意味着统计效力不足，而非真正的无效结果。请报告置信区间，以便读者判断哪些效应仍然合理。
工作实例
真实临床场景。将统计数据输入上面的计算器，即可重现每个 p 值。
1. 双组试验（z / 正态分布）
一项试验比较了一种新型降压药与安慰剂。平均收缩压差异的标准化检验统计量为 z = 2.5。
阅读：在无差异的零假设下，这种极端情况发生的概率约为 1.2%。请同时报告平均差异及其 95% 置信区间。
2. 小型配对研究 (t)
对 15 名患者进行康复方案的前后研究，得出配对 t = 2.20，自由度为 14。
读数：略低于 0.05，但由于样本量 n = 15，置信区间会很宽。这正是报告置信区间（而不仅仅是“显著”）至关重要的原因所在。
3. 列联表（χ²）
处理与反应类别的 2×3 表格得出 χ² = 9.5，自由度为 2。
解读结果：存在强有力的关联证据。后续需使用标准化残差分析来确定哪些细胞是主要驱动因素——仅凭 p 值无法确定效应的具体位置。
4. 方差分析综合检验 (F)
比较三种饮食对体重变化的影响；单因素方差分析得出 F = 4.10，df1 = 2，df2 = 57。
解读：至少有一组均值存在差异。总体 p 值并未指出是哪一对组——请进行事后检验（Tukey HSD），并进行相应的校正。
常見問題解答
p 值能告诉我我的假设为真的概率吗？
不，这是文献中最常见的误解。p 值是在零假设为真的前提下计算的；它无法告诉你零假设为真的概率。要根据数据计算某个假设的概率，你需要的是贝叶斯框架，而不是 p 值。
p = 0.04 比 p = 0.06 “更显著”吗？
0.05 的阈值是一种约定俗成的设定，而 0.04 和 0.06 之间的差异远比表面看起来要小。将其中一个视为发现，而将另一个视为无效结果，这是一种已知的错误——应该报告精确值，并结合效应量和置信区间进行连续解读。
统计学意义和临床意义有什么区别？
统计显著性是指在给定数据的情况下，效应是否能与零区分开来。临床显著性是指效应是否足够大，对患者有意义。在大样本中，临床上微不足道的差异可能具有高度统计学意义；在小样本中，临床上重要的差异可能达不到统计学显著性。两者都应报告。
我应该使用单尾检验还是双尾检验？
默认使用双尾检验。单尾检验虽然能使统计功效提高一倍，但只有在数据收集前已明确指定方向性假设（理想情况下应预先注册）时才适用。审稿人对在查看数据后才选择的单尾检验持怀疑态度。
这个计算器与 R 和 SPSS 兼容吗？
是的。该计算器使用与 R 4.3.3 相同的分布函数（pnorm, pt, pchisq, pf并输出完整的 R 代码，以便您可以重现和验证每个结果。对于相同的输入和自由度，输出结果与 SPSS 和 Stata 的结果等效。
重要阅读材料及参考资料
方法部分应使用经过同行评审、PubMed 收录的文献，以加深自身理解。
这是一本必备的现代参考书——它罗列了解释p值、置信区间和统计功效时最常见的错误。请先阅读此书。
一篇最新、易于理解的综述，追溯了从 Fisher 到 Neyman-Pearson 框架的 p 值发展历程，并提供了实用的报告指南。
针对“P < 0.05”阈值以及如何负责任地呈现 p 值的实用、以报告为中心的指导。
将美国统计协会的警告翻译成临床医生易于理解的语言；阐明了重要性与相关性的区别。
将结果二分为“显著/不显著”的危险性以及这种做法掩盖的不确定性。
以 2016 年 ASA 声明为核心编写的简明入门指南——适合教学和快速参考。