對于公衛人來說，在統計學的殿堂中，P值是神聖的，有着超乎尋常的地位。然而，P值總是給我們的實驗和數據分析帶來一些意想不到的結果，或好或壞，令人深受P值的荼毒。

那麼，我們今天就來探讨一項近幾年來在學術界引起的争議問題——P值以及P值該不該廢？

首先，和大家說一下，P值是什麼？

P值是什麼

P值是用來判定假設檢驗結果的一個依據，根據不同的分布類型使用分布的拒絕域來比較P值與檢驗水準的大小以做出對應的推斷結論。

P值的意義

P值（P value）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，說明原假設情況的發生的概率很小，那麼一旦出現了原假設的結果，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。總之，P值越小，隻能越有理由拒絕原假設。

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判斷。

P值與Ⅰ類錯誤的關系

說到P值，我們就會想到Ⅰ類錯誤。在我們統計課本的學習中，我們認為P值和Ⅰ類錯誤是等價的。但是在實際的應用中，這種誤解會極大地影響研究的可重複性、醫療實踐中的治療選擇和實證分析中的模型規範[1]。

P值哪裡存在争議（缺點）

衆所周知的，P值是統計有效性的“黃金标準”。在計算機時代，即使是複雜的統計，P值也很容易計算，P值的範圍在0-1之間，并且可以被人們直接的理解；大多數受過統計學訓練的人可能都同意：P值低表示可能有（統計學）意義，而當P值較高時，這一點就不那麼明顯了。

低P值通常出現在一些臨床研究出版物的結果中；這些文章經常對P值進行重複的評價，P值的含義幾乎普遍被曲解，很多學者認為僅僅通過P值得出的結論是不可靠的，而且會經常誇大不利于零的證據[2]。

P值還被指責本質上具有欺騙性，因為它們将效應大小和樣本量混淆成一個令人困惑的數字。另外，還需注意，P值不是客觀的衡量标準，它們不具備我們認為的證據的性質。但從邏輯上講，似乎有資格作為支持或反對任何事情的衡量标準。

舉個例子：

假設一種止痛藥有24小時的有效記錄，而現在另一家制藥商聲稱其新的非處方藥可以持續更長時間。

一名調查員想要測試這一說法是否屬實。研究人員沒有從所有服用新藥的患者那裡收集數據(這通常是不可行的)，而是決定随機調查50名患者，以收集新止痛藥持續多長時間(小時)的數據。

因此，研究人員現在有了一個随機變量X，即來自50名患者樣本的平均小時數。這是一個随機變量，因為50名患者是随機選擇的，在進行調查和計算平均值之前，沒有人知道這個變量的值是多少。

然而，每個調查都産生一個固定的數字X，它本身不是随機變量，而是随機變量X的實現或觀測(以下，設X表示随機變量，X表示固定值，即X的觀測)。

直觀地說，如果調查得出的值(止痛藥的平均持續時間)非常接近24，比如23或25，研究人員就不會相信新的止痛藥更糟或更好。如果調查達到平均32小時，調查者會相信它确實持續了更長時間。

如果調查顯示平均持續時間為22或26小時，很難得出結論。這種新止痛藥的使用時間真的更短、更長，還是随機産生的(畢竟，隻有50名患者接受了調查)？[2]

這樣的話，我們難以得知，很難僅僅通過P值的大小，進行判斷誰更有效。

歸根到底，就是因為我們通過統計學方法算出來的P值存在不确定性，統計測試的結果确實會影響我們做出推斷——即：是否認為一個經過測試的假設可能是正确的。

因此，評估統計測試結果就是判斷它們對科學命題的證據支持與否。不幸的是，P值不是在該過程中使用的可靠度量。P值也不是一個假設真實性的可靠指标，無論它是零假設還是替代假設。

P值該廢麼？

對于P值何去何從的問題，一直争論不休，沒有統一的學術界标準。引起熱議的是在2019年，3位統計學家在《Nature》上發布公開信，号召專家們放棄追求“統計學意義”，這封公開信一周之内吸引了超過800名研究人員共同支持。這不禁引起作為小白的我們深思，統計學還有用麼，我們還要不要繼續學習統計學呢？

▲ 圖片來源于網絡

三位統計學家提出建議，首先要明确必須停止的事：永遠不應該僅僅因為P值大于阈值(如0.05)就得出“沒有差異”或“沒有關聯”的結論；或者，僅僅因為置信區間包含0就得出這樣的結論。

然而，在我們學習統計學的過程，我們卻理所當然的把P=0.05作為顯著性的标準。同時，我們在開始學習統計學的時候，一直被告誡，統計學上的顯著性，并不等于臨床上的顯著性。我們要回到具體問題具體分析上。

也就是說，統計學的結果有不确定性，然而我們沒有一種方法，能夠明确的進行不确定性的判斷，所以說，禁止顯著性檢驗和接受不确定性，盡管在許多情況下是合理的，但幾乎沒有提供一個新的方法對我們的研究來進行判斷。

簡而言之，我們迫切的需要正确的理解P值，需要進一步探索如何更好的進行統計分析，選擇合适的指标來取代P值。讓統計分析更好地理解運用于實際中。

同時，三位科學家指出，停止使用P值，并不是禁止。在某些情況下，P值仍然可以作為決策的标準。這其實與我們學習的統計學并不沖突，也就是說，避免P值的決定性标準，改變傳統的非黑即白的判斷，即如果僅僅側重于統計學意義的估計和讨論是有偏見的。

總之，我們對待科學研究要抱有懷疑的态度，切莫以偏概全，要做到具體問題具體分析。不要太相信統計分析的數據結果，要結合實際情況和專業知識去判斷是否具有實際意義。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!