细说显著性检验和P值
P值是怎么来的
从某总体中抽样所得的样本，其参数会与总体参数有所不同，这可能是由于两种原因：
⑴、这一样本是由该总体抽出，其差别是由抽样误差所致；
⑵、这一样本不是从该总体抽出，所以有所不同。
如何判断是那种原因呢？统计学中用显著性检验赖判断。其步骤是：
⑴、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。⑵、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。⑶、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，则可以接受令一种可能性的假设（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。
统计学上规定的P值意义见下表
|
P值 |
碰巧的概率 |
对无效假设 |
统计意义 |
|
P＞0.05 |
碰巧出现的可能性大于5% |
不能否定无效假设 |
两组差别无显著意义 |
|
P＜0.05 |
碰巧出现的可能性小于5% |
可以否定无效假设 |
两组差别有显著意义 |
|
P ＜0.01 |
碰巧出现的可能性小于1% |
可以否定无效假设 |
两者差别有非常显著意义 |
理解P值，下述几点必须注意：
⑴P的意义不表示两组差别的大小，P反映两组差别有无统计学意义，并不表示差别大小。因此，与对照组相比，C药取得P＜0.05，D药取得P ＜0.01并不表示D的药效比C强。
⑵ P＞0.05时，差异无显著意义，根据统计学原理可知，不能否认无效假设，但并不认为无效假设肯定成立。在药效统计分析中，更不表示两药等效。哪种将“两组差别无显著意义”与“两组基本等效”相同的做法是缺乏统计学依据的。
⑶统计学主要用上述三种P值表示，也可以计算出确切的P值，有人用P ＜0.001，无此必要。
⑷显著性检验只是统计结论。判断差别还要根据专业知识。
显著性检验的手段
t检验
t检验有其应用条件，那就是数据基本符合常态，且两组方差（标准差的平方值）大致相齐，否则不宜采用t检验。
方差是否相齐
所谓方差不齐，是指两组的标准差相差太大。两组均数的显著性检验时，除要求资料数据符合常态分布外，还有另一前提条件，即两总体的方差（标准差的平方）要相近，因而对数据要进行方差齐性检验。
方差齐性检验的方法
1公式法
取S较大者为S1 ，n1；小者为S2 ，n2。通过查“F值方差齐性检验表”或经过公式计算出F0.05值，若F≥F0.05，表示两组方差之差异有显著意义，也就是两组方差不齐。
2简单方法
若两组资料标准差相差超过一倍时，可以肯定两组方差不齐。
@aa
谢谢，您说的很对，谢谢指导。
非参数检验的方法可使用permutation test，适用于那些分布存在较大偏斜，样本容量不同，样本容量小的样本间的比较
样本的特征描述叫作统计量，不叫参数，总体才有参数