统计分析_P值的含义.doc

　　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）：如要比较药和药的疗效是否相等，则假设两组样本来自同一总体，即药的总体疗效和药相等，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成立的可能性即概率有多大，概率用值表示。⑶、根据选定的显著性水平（或），决定接受还是拒绝。如果＞，不能否定“差别由抽样误差引起”，则接受；如果＜或 ＜，可以认为差别不由抽样误差引起，可以拒绝，则可以接受令一种可能性的假设（又称备选假设，符号为），即两样本来自不同的总体，所以两药疗效有差别。　　统计学上规定的值意义见下表　　值 碰巧的概率 对无效假设 统计意义 ＞ 碰巧出现的可能性大于 不能否定无效假设 两组差别无显著意义 ＜ 碰巧出现的可能性小于 可以否定无效假设 两组差别有显著意义  ＜ 碰巧出现的可能性小于 可以否定无效假设 两者差别有非常显著意义 　　理解值，下述几点必须注意：　　⑴的意义不表示两组差别的大小，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，药取得＜，药取得 ＜并不表示的药效比强。　　⑵ ＞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值表示，也可以计算出确切的值，有人用 ＜，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 值是最常用的一个统计学指标，几乎统计软件输出结果都有值。了解值的由来、计算和意义很有必要。 ? 统计学意义（值）（这是经理每次争论的焦点） ? 结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上，值为结果可信程度的一个递减指标，值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。值是将观察结果认为有效即具有总体代表性的犯错概率。如提示样本中变量关联有的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到或次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究领域，的值通常被认为是可接受错误的边界水平。 如何判定结果具有真实的显著性 在最后结论中判断什么样的显著性水平具有统计学意义，不可避免地带有武断性。换句话说，认为结果无效而被拒绝接受的水平的选择具有武断性。实践中，最后的决定通常依赖于数据集比较和分析过程中结果是先验性还是仅仅为均数之间的两两比较，依赖于总体数据集里结论一致的支持性证据的数量，依赖于以往该研究领域的惯例。通常，许多的科学领域中产生值的结果≤被认为是统计学意义的边界线，但是这显著性水平还包含了相当高的犯错可能性。结果≥被认为是具有统计学意义，而≥≥被认为具有高度统计学意义。但要注意这种分类仅仅是研究基础上非正规的判断常规。 所有的检验统计都是正态分布的吗？ 并不完全如此，但大多数检验都直接或间接与之有关，可以从正态分布中推导出来，如检验、检验或卡方检验。这些检验一般都要求：所分析变量在总体中呈正态分布，即满足所谓的正态假设。许多观察变量的确是呈正态分布的，这也是正态分布是现实世界的基本特征的原因。当人们用在正态分布基础上建立的检验分析非正态分布变量的数据时问题就产生了，（参阅非参数和方差分析的正态性检验）。这种条件下有两种方法：一是用替代的非参数检验（即无分布性检验），但这种方法不方便，因为从它所提供的结论形式看，这种方法统计效率低下、不灵活。另一种方法是：当确定样本量足够大的情况下，通常还是可以使用基于正态分布前提下的检验。后一种方法是基于一个相当重要的原则产生的，该原则对正态方程基础上的总体检验有极其重要的作用。即，随着样本量的增加，样本分布形状趋于正态，即使所研究的变量分布并不呈正态。 ??统计软件的选择? ????? ?在进行统计分析时，作者常使用非专门的数理统计软件进行统计分析。由于提供的统计分析功能十分有限，很难满足实际需要。目前，国际上已开发出的专门用于统计分析的商业软件很多，比较著名有( )、( )、和等。其中，是专门为社会科学领域的研究者设计的（但是，此软件在自然科学领域也得到广泛应用）；是专门为生物学和医学领域研究者编制的统计软件。