河南科技学院胡林峰研究小组欢迎您的访问!
当前位置: 研究小组 > *实验室* > 实验设计与统计 >

统计中的P值,该怎么正确表达

时间:2019-08-16 13:45
来源:研究小组
作者:AgroIPM
浏览次数:
内容介绍
在今年3月21日出版的《自然》杂志上发表的一篇评论文章中,三位统计学家提出了研究者应该放弃统计显著性的概念。超过800名科学家联合署名表示支持。这意味着什么?我们不再计算p值了吗?我们要放弃所有的统计分析吗?
 
别慌,这不是全新的事情。人们已经认识到p值的误用由来已久。当我们仅根据结果是否具有统计显著性(即p<0.05)来判断结果好坏,然后决定是否发布统计结果时,会发生发表偏倚。这种做法也可能导致两个相似的研究得出不同的结论,从而导致科学研究的再现性低。要了解p值,请参阅以往LetPub发布的文章(关于p值,你可能需要知道这些……)。尽管许多统计学家和研究人员已经认识到p值的误解与误用问题,但是没有任何有效的措施来规避它。最近《自然》杂志上发表的这篇评论文章可能是科学界解决这一问题的推动力。
 
我们仍然需要统计方法来分析我们的数据。本文提出的建议是:我们不应根据p值是否低于0.05将结果分为两类(例如,有效与无效)。同样,我们不应使用任何其他统计数据将结果分为两类我们应该将p值视为连续变量。最重要的是,我们应该根据其科学含义而不是统计显著性来评估结果。期刊The American Statistician(第73卷,2019年,Suppl 1期)提出了一个重要问题:如果我们弃用p<0.05,我们能做些什么?替换p值没有什么神奇之处。我们需要选择最适合我们想要解决的科学问题的数据分析方法,并且我们需要更好地理解统计检验以准确地解释结果。
 
我们可能会看到期刊修改关于如何报告统计结果的指南,但可能不会很快,因为关于是否应该完全禁止统计显著性的争论仍在继续(H.H.H. Adams, Nature 569, 336; 2019; H. Zhang, Nature 569, 336; 2019)。自2015年2月起,基础和应用社会心理学(Basic and Applied Social Psychology, BASP)的编辑禁止使用零假设显著性检验程序(即使用p值或其他统计参数来推断统计显著性)。我们上面提到的美国统计学家特刊中的一篇论文评估了2016年BASP发表的文章,并发现该禁令似乎允许作者在作出研究结论时夸大其结果,而这可能会产生误导。
 
无论你支持哪一方,在报告p值时,请遵循以下一些小建议:
 
  1. 报告实际p值而不是p<0.05。请注意,p绝不会正好为1或0,因此如果统计软件返回此类数字,请写p>0.999或p<0.001。

  2. 除非为了说明显著性阈值p值,其他地方不要用“显著性”(“significant”)这个词。当您报告实际p值时,也没必要说差异很大。为了避免读者会对您的本意感到困惑,请您换个词表达p值的其他含义。

  3. 报告您分析的所有变量,而不仅仅是p<0.05的变量。应该让您的读者全面了解您的研究情况。


 LetPub
热点内容