显著性检验 差异显著性abc标注详解

一、显著性水平与P值有何区别

显著性水平与P值的区别：

1、表示含义不同：

（1）显著性水平是假设检验中的一个概念，是指当原假设为正确时人们却把它拒绝了的概率或风险。

（2）P值即概率，反映某一事件发生的可能性大小。实际上，P值不能赋予数据任何重要性，只能说明某事件发生的几率。

2、取值含义不同：

（1）显著性水平是公认的小概率事件的概率值，必须在每一次统计检验之前确定，通常取α=0.05或α=0.01。这表明，当作出接受原假设的决定时，其正确的可能性（概率）为95%或99%。

（2）统计学根据显著性检验方法所得到的P值，一般以P<0.05为有统计学差异，P<0.01为有显著统计学差异，P<0.001为有极其显著的统计学差异。其含义是样本间的差异由抽样误差所致的概率小于0.05、0.01、0.001。

?

扩展资料

P值的由来：

从某总体中抽样

（1）这一样本是由该总体抽出，其差别是由抽样误差所致；

（2）这一样本不是从该总体抽出，所以有所不同。

判断是哪种原因的做法：统计学中用显著性检验来判断。其步骤是：

（1）建立检验假设（又称无效假设，符号为H0）：如要比较A药和B药的疗效是否相等，则假设两组样本来自同一总体，即A药的总体疗效和B药相等，差别仅由抽样误差引起的碰巧出现的。

（2）选择适当的统计方法计算H0成立的可能性即概率有多大，概率用P值表示。

（3）根据选定的显著性水平（0.05或0.01），决定接受还是拒绝H0。

如果P>0.05，不能否定“差别由抽样误差引起”，则接受H0；如果P<0.05或P<0.01，可以认为差别不由抽样误差引起，可以拒绝H0，则可以不拒绝另一种可能性的假设（又称备选假设，符号为H1），即两样本来自不同的总体，所以两药疗效有差别。

二、为什么要进行显著性检验

显著性检验（significancetest）就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（备择假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。

或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设

三、显著性检验的步骤

显著性检验的一般步骤如下：

确定所要检验的原假设H0和备择假设H1。

根据样本数据，计算出统计量。

根据所选择的显著性水平α，确定临界值。

将统计量与临界值进行比较，判断是否拒绝原假设H0。

如果拒绝原假设H0，则接受备择假设H1；如果不拒绝原假设H0，则不拒绝原假设H0。

以上步骤仅供参考，具体可咨询专业人士获取准确信息。