關于統計學spss中的p值的意義的問題解釋

假設檢驗p值為什么是拒絕原假設的最低顯著性水平？

p值說的是你算出來的一個檢驗變量所對應的概率值，比如算出來p值是10%，說的就是，你如果以此為界拒絕原假設的話，那么有10%的可能性要犯錯誤，就是說本來原假設對，但是你卻給拒絕了。所以說p值越大，拒絕原假設的理由越不充分，也就是這個因素對結果沒有明顯影響；有時候p值算出來接近0，就說明，你以這個數為界，如果拒絕原假設，那么你不可能犯錯誤，就說明你這個數字非常不符合原假設。

除在方差齊性檢驗和正態性檢驗中 P值>sig 表示證明沒有差異，方差齊，為正態性，其他處均為 P值

P值是最常用的一個統計學指標，幾乎統計軟件輸出結果都有P值。了解p值的由來、計算和意義很有必要。
. f
& 6 e) G0 _8 ^& l
一、P值的由來R·A·Fisher（1890-1962）作為一代假設檢驗理論的創立者，在假設檢驗中首先提出P值的概念。他認為假設檢驗是一種程序，研究人員依照這一程序可以對某一總體參數形成一種判斷。也就是說，他認為假設檢驗是數據分析的一種形式，是人們在研究中加入的主觀信息。（當時這一觀點遭到了Neyman-Pearson的反對，他們認為假設檢驗是一種方法，決策者在不確定的條件下進行運作，利用這一方法可以在兩種可能中作出明確的選擇，而同時又要控制錯誤發生的概率。這兩種方法進行長期且痛苦的論戰。雖然Fisher的這一觀點同樣也遭到了現代統計學家的反對，但是他對現代假設檢驗的發展作出了巨大的貢獻。）Fisher的具體做法是：) v# ?/ k8 k4 K7 P+ D! L3 G6 `
5 E. |) A  o5 I6 l7 m
   * 假定某一參數的取值。
    選擇一個檢驗統計量(例如z 統計量或Z 統計量) ，該統計量的分布在假定的參數取值為真時應該是完全已知的。6 |+ i; |. Y% }# n
   * 從研究總體中抽取一個隨機樣本4計算檢驗統計量的值5計算概率P值或者說觀測的顯著水平，即在假設為真時的前提下，檢驗統計量大于或等于實際觀測值的概率。

  * 如果P<0.01，說明是較強的判定結果，拒絕假定的參數取值。
  * 如果0.01<P值<0.05，說明較弱的判定結果，拒接假定的參數取值。
  * 如果P值>0.05，說明結果更傾向于接受假定的參數取值。+ f+ v$ L& |7 u) y/ g
) F2 R% q9 ?1 l1 k* s, M
可是，那個年代，由于硬件的問題，計算P值并非易事，人們就采用了統計量檢驗方法，也就是我們最初學的t值和t臨界值比較的方法。統計檢驗法是在檢驗之前確定顯著性水平，也就是說事先確定了拒絕域。但是，如果選中相同的，所有檢驗結論的可靠性都一樣，無法給出觀測數據與原假設之間之間不一致程度的精確度量。只要統計量落在拒絕域，假設的結果都是一樣，即結果顯著。但實際上，統計量落在拒絕域不同的地方，實際上的顯著性有較大的差異。  E! R- B% H. R- v  O
因此，隨著計算機的發展，P值的計算不再是個難題，使得P值變成最常用的統計指標之一。

二、P值的計算為理解P值的計算過程，用表示檢驗的統計量，表示根據樣本數據計算得到的檢驗統計量值。
左側檢驗 vs6 K0 T* S5 ?% s. `4 D/ W2 C; |7 v
P值是當時，檢驗統計量小于或等于根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值 =‘ r6 ?) C’ y2 a) w+ S1 r; f
右側檢驗 vs& . j! m5 P  M. T* K” S1 A7 h: U
P值是當時，檢驗統計量大于或等于根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值 =
雙側檢驗 vs
P值是當時，檢驗統計量大于或等于根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值 =# y* Z7 @2 c’ a6 n+ w: v; K) s
三、P值的意義P值就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果P值很小，說明這種情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，P值越小，我們拒絕原假設的理由越充分。/ G4 @7 s, h2 }’ ]) D( @1 N4 t
總之，P值越小，表明結果越顯著。但是檢驗的結果究竟是“顯著的”、“中度顯著的”還是“高度顯著的”需要我們自己根據P值的大小和實際問題來解決。