高 娟

（衡水学院 经济管理学院，河北 衡水 053000）

一、引言

毋庸置疑，P值让很多研究者感到困惑。关于P值的内涵和怎样合理运用它解决实际问题，数据科学家Admond Lee花费了比较长的时间，才对其有了真正深刻的理解，有些学者甚至提出要摈弃P值的极端观点[1]。人们的日常生活已经受到P值潜移默化的影响。在实际生活中做决定或者研究人员做某项检测，按照概率值P，给最终结果提供理论支持；公司管理人员做决策，依据过去相关数据的抽样分布，估计出P值，给出决策结论。值得指出的是，由于它只是整个决策过程中的一小部分，所以研究者不应该过度依赖P值。事实上，P值是否完全可靠有必要进行深入思考。接下来就针对P值的使用误区，谈一些个人观点。

二、基本概念解析

（一）P 值定义

当原假设（零假设）为真时，所得到的样本观察结果或更极端结果出现的概率，称为P值（P-value），也称为观察到的显著性水平（observed significance level）。如果P值很小，说明这种情况发生的概率很小，而如果出现了，根据小概率原理，就有理由拒绝原假设[2]。

以标准正态分布为例给出P值的计算方法如下：

检验统计量的样本观测值记为Z0，则总体均值假设检验P值可按下述方法计算[3]：

双侧检验：H0：μ=μ0，H1：μ≠μ0，则P值=2P（Z≥|Z0|）

右单侧检验：H0：μ≤μ0，H1：μ>μ0，则P值=P（Z≥Z0）

左单侧检验：H0：μ≥μ0，H1：μ<μ0，则P值=P（Z≤Z0）

（二）P值的解读

P值的一个通俗理解是，在原假设为真的条件下，在具体的样本统计量观测值和对应的总体参数假设值之间的差异中，由抽样随机误差引起的可能性大小。

P值越小，拒绝原假设的理由就越充分，然而一个十分小的P值不能推断出原假设和备择假设哪一个是错误的。这……