P值的统计学意义是什么
结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上，p值为结果可信程度的一个 递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。
p值是将观察结果认为有效即具有总体代表性的犯错概率。如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联。
我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）
在许多研究领域，0.05的p值通常被认为是可接受错误的边界水平。
t检验的使用场景
t检验适用于 两个变量均数间的差异检验，多于两个变量间的均数比较要用 方差分析。
无论哪种类型的t检验，都必须在满足特定的前提条件下: 正态性和方差齐性，应用才是合理的。这是因为必须在这样的前提下所计算出的t统计量才服从t分布，而t检验正是以t分布作为其理论依据的检验方法。
t检验是目前医学研究中使用频率最高，医学论文中最常见到的处理定量资料的假设检验方法。
如何判定结果具有真实的显著性
在最后结论中判断什么样的显著性水平具有统计学意义， 不可避免地带有武断性。换句话说，认为结果无效而被拒绝接受的水平的选择具有武断性。
实践中，最后的决定通常依赖于 数据集比较和 分析过程中结果是先验性还是仅仅为均数之间的两两比较，依赖于总体数据集里结论一致的 支持性证据的数量，依赖于以往该研究领域的 惯例。
通常，许多的科学领域中产生P值的结果≤0.05被认为是统计学意义的边界线，但是这显著性水平还包含了相当高的犯错可能性。结果 0.05≥P>0.01被认为是具有统计学意义，而 0.01≥P≥0.001被认为具有高度统计学意义。但要注意这种分类仅仅是研究基础上非正规的判断常规。
假设检验的内涵及步骤
在假设检验中，由于随机性我们可能在决策上犯两类错误，一类是假设正确，但我们拒绝了假设，这类错误是 “弃真”错误，被称为第一类错误；一类是假设不正确，但我们没拒绝假设，这类错误是 “取伪”错误，被称为第二类错误。
一般来说，在样本确定的情况下， 任何决策无法同时避免两类错误的发生，即在避免第一类错误发生几率的同时，会增大第二类错误发生的几率；或者在避免第二类错误发生几率的同时，会增大第一类错误发生的几率。人们往往根据需要选择对哪类错误进行控制，以减少发生这类错误的几率。大多数情况下，人们会控制第一类错误发生的概率。
发生第一类错误的概率被称作 显著性水平，一般用α表示，在进行假设检验时，是通过事先给定显著性水平α的值而来控制第一类错误发生的概率。
在这个前提下，假设检验按下列步骤进行：
- 确定假设
- 进行抽样，得到一定的数据
- 根据假设条件下，构造检验统计量，并根据抽样得到的数据计算检验统计量在这次抽样中的具体值
- 依据所构造的检验统计量的抽样分布，和给定的显著性水平，确定拒绝域及其临界值
- 比较这次抽样中检验统计量的值与临界值的大小，如果检验统计量的值在拒绝域内，则拒绝假设
到这一步，假设检验已经基本完成，但是由于检验是利用事先给定显著性水平的方法来控制犯错概率的，所以对于两个数据比较相近的假设检验，我们无法知道哪一个假设更容易犯错，即我们通过这种方法 只能知道根据这次抽样而犯第一类错误的最大概率（即给定的显著性水平），而无法知道具体在多大概率水平上犯错。
计算P值有效的解决了这个问题，P值其实就是按照抽样分布计算的一个概率值，这个值是根据 检验统计量计算出来的。通过直接比较P值与给定的显著性水平α的大小就可以知道是否拒绝假设，显然这就代替了比较检验统计量的值与临界值的大小的方法。
而且通过这种方法，我们还可以知道 在p值小于α的情况下犯第一类错误的实际概率是多少，p＝0.03
卡方检验的结果
值是越大越好，还是越小越好？
与其它检验一样，所计算出的统计量越大，在分布中越接近分布的尾端，所对应的概率值越小。如果试验设计合理、数据正确，显著或不显著都是 客观反映。 没有什么好与不好。
在比较两组数据的率是否相同时
二项分布和卡方检验有什么不同？
卡方分布主要用于 多组多类的比较，是检验研究对象 总数与某一类别组的观察频数和期望频数之间是否存在显著差异，要求每格中频数不小于5，如果小于5则合并相邻组。
二项分布则 没有这个要求。如果分类中只有两类还是采用二项检验为好。如果是2*2表格可以用fisher精确检验，在小样本下效果更好。
如何比较两组数据之间的差异性
设计类型是完全随机设计两组数据比较，不知道数据是否是连续性变量？
比较方法：如果数据是连续性数据，且两组数据分别服从正态分布和方差齐性检验，则可以采用 t检验， 如果不服从以上条件可以采用其他检验。
想知道两组数据是否有明显差异？不知道这个明显差异是什么意思？是问差别有无统计学意义（即差别的概率有多大）还是两总体均数差值在哪个范围波动？ 如果是前者则可以用第2步可以得到P值，如果是后者，则是用均数差值的置信区间来完成的。
Original: https://blog.csdn.net/Penglaixiaoke/article/details/124846034
Author: 蓬莱小课IT
Title: 蓬莱小课：统计学数据分析须知这些：P值、T检验、卡方检验、假设检验……
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/697188/
转载文章受原作者版权保护。转载请注明原作者出处！