🌐 ZH

P值计算器

选择Z检验或T检验,输入检验统计量,并在T检验时输入自由度,即可计算单侧或双侧P值,并查看其是否低于0.05和0.01。单侧计算使用统计量的绝对值,不区分左尾和右尾方向。

P值
—
显著性
— —

指南

了解更多

01

理解P值

P值是指在原假设为真且检验模型的相关假设成立时,得到观测结果或按所选检验定义更极端结果的概率。P值越小,通常表示数据与原假设越不一致,但P值并不是原假设为真的概率,也不能单独衡量效应大小。本工具提供Z检验和T检验,分别依据标准正态分布和t分布计算P值;T检验需要输入自由度。计算时会对检验统计量取绝对值,因此相同绝对值的正负统计量会得到相同结果。尤其需要注意,单侧模式不提供左尾或右尾方向选择,不能据此判断某个指定方向的单侧检验是否显著。

02

判断统计显著性

通常可以根据研究设计预先选择α = 0.05或0.01作为显著性水平。本工具分别使用严格小于0.05和严格小于0.01的条件判断统计显著性;当P值恰好等于阈值时,不会将其标记为显著。页面显示的P值保留6位小数,显著性判断使用计算得到的数值,而不是显示后经过四舍五入的字符串。例如,选择Z检验、输入检验统计量1.96并选择双侧检验,按照本工具采用的正态分布近似计算方法,P值约为0.049996,页面以6位小数显示为0.049996。由于0.049996严格小于0.05但不小于0.01,因此在α = 0.05水平下标记为显著,在α = 0.01水平下标记为不显著。统计显著性不等于实际影响重要,也不能仅凭P值确认研究结论。

03

科研与论文写作

在学术研究和论文中报告假设检验结果时,P值是常用的统计指标之一。使用本工具时,应先根据研究设计确定Z检验或T检验,并选择单侧或双侧模式;T检验还需要提供有效的自由度。结果应结合实际检验方向、效应大小、样本情况及统计假设解释,而不是只报告P值是否低于阈值。本工具对单侧检验使用统计量的绝对值,无法区分事先指定的左尾或右尾假设,因此需要单独核对检验方向。

04

A/B测试与决策

在营销和产品开发等领域,A/B测试可以通过适当的假设检验评估观察到的差异是否具有统计显著性。本工具接收已经计算出的Z或T统计量,而不是直接输入两组实验数据;使用者需要先根据实验设计选择合适的统计方法并计算相应统计量。页面提供单侧和双侧P值计算及0.05、0.01两个阈值的比较,但单侧模式不区分检验方向。P值只是分析的一部分,作出决策时还需考虑效应大小、实验设计及其他相关证据。

常见问题

P值意味着什么?
P值是指在假设原假设为真的情况下,观测到所得结果或更极端结果的概率。数值越小,拒绝原假设的证据就越充分。
单侧检验与双侧检验有何区别?
单侧检验关注预先指定的一个方向,双侧检验同时考虑两个方向。在本工具中,程序先取Z或T统计量的绝对值,再计算相应分布的上尾概率;选择双侧时将该概率乘以2,选择单侧时保留该上尾概率。因此,在本工具的计算方式下,相同统计量的双侧P值为单侧结果的两倍。但单侧模式不区分左尾和右尾,对于指定方向的假设,不能不经检查就将显示结果作为对应方向的P值。