p 值计算器

Q: p 值小于 0.05 意味着什么？

在原假设成立的前提下，观测到当前（或更极端）数据的概率不到 5%。按惯例在 α = 0.05 水平下拒绝原假设，接受备择假设。但这不意味着原假设一定为假——仍有 5% 的概率是随机波动导致的误判（第一类错误）。

Q: 单尾和双尾怎么选？

双尾是最安全的选择，适用于「不等于」的备择假设。只有在有充分理论依据确信差异方向（如「新药只会更好不会更差」）时才用单尾。注意：在看到数据之后再选择方向是不正当的（会人为放大显著性）。

Q: Z 检验和 t 检验的区别？

Z 检验要求总体标准差 σ 已知（或样本量很大，n ≥ 30 时 s 近似 σ），使用标准正态分布。t 检验用于 σ 未知且样本量较小的情况，使用 t 分布——t 分布比正态分布尾部更厚，对小样本的保守修正。df ≥ 30 时两者差异很小。

Q: χ² 检验的自由度怎么确定？

取决于检验类型：方差检验 df = n−1；拟合优度检验 df = 类别数 − 1 − 估计参数个数；列联表独立性检验 df = (行数−1)(列数−1)。工具中直接输入对应的自由度即可。

Q: p 值很小就一定能发论文吗？

不是。p 值只是统计显著性的一个指标，还需要考虑效应量、置信区间、研究设计质量、可重复性等。近年来统计学界（ASA 2016 声明）建议不要仅依赖 p < 0.05 的机械判定，而应综合考虑证据强度。

Q: p=0.05 意味着什么？

精确含义：如果原假设为真，重复做同样的实验，有 5% 的概率得到与现在一样极端（或更极端）的结果。它不是：① 原假设为真的概率是 5%（混淆条件概率方向）；② 结论错误的概率是 5%（错误率还取决于先验与功效，Ioannidis 论证多数已发表研究的假阳性远超 5%）；③ 效应有 95% 概率真实存在。p=0.049 与 p=0.051 的证据强度几乎相同，一条把两者分成「显著/不显著」的线，掩盖了证据的连续性。

Q: 统计显著但效应很小是怎么回事？

样本量够大时，任何微小差异都会显著。例：10 万人样本测出某药平均降压 0.5 mmHg，p<0.001 极显著，但临床毫无意义。p 值对样本量极其敏感（z 与 √n 成正比），n 翻 4 倍 z 翻 1 倍。所以大样本研究必须看效应量：Cohen d=0.2 小、0.5 中、0.8 大；或实际意义阈值（降压 <5 mmHg 临床无关）。「显著」只回答「差异是否像噪声」，不回答「差异是否重要」。

Q: 多重比较为什么要校正？

每做一次检验就有 5% 假阳性机会，做 20 次独立检验至少一次假阳性的概率=1−0.95²⁰≈64%。基因组学一次做 2 万个检验，不校正会产生上千个假发现。校正方法：① Bonferroni——α 除以检验次数（最严，20 次则 α=0.0025）；② FDR（Benjamini-Hochberg）——控制假发现比例而非全部假阳性，功效更高，是组学标准；③ 预先注册主要终点，只对一个假设用 0.05。「p-hacking」就是反复试各种分析直到 p<0.05 为止，是可重复性危机的主因之一。

Q: 单侧检验和双侧检验怎么选？

默认双侧——它允许差异朝任一方向。单侧只在「理论上只可能朝一个方向、且反向差异即使出现也视为无效果」时使用，且必须在看数据之前预先声明。事后用单侧把 p=0.08 双侧变成 p=0.04 单侧是统计作弊。单侧的判定线其实是把另一侧 5% 的概率全挪到一侧，方向猜错时会漏掉真实效应（如新药显著更差却被判为无差异）。审稿人对单侧检验天然警惕，能用双侧就不要用单侧。

Q: p>0.05 能不能说「两组没有差异」？

不能——缺乏证据≠证据缺乏。可能差异真实存在但样本不足（检验功效低）。正确表述：「本研究未能检测出统计学显著差异」。要支持「无差异」结论应做等效性检验（TOST）：预先设定等效界值 δ，检验差异是否落在 (−δ, δ) 内，两个单侧检验都显著才能宣布等效。补充报告置信区间也有帮助：CI 窄且贴着 0，是真·无差异的证据；CI 宽跨 0 两侧很远，则是不确定。

什么是p 值计算器？

p 值（p-value）是在原假设 H₀ 成立的前提下，检验统计量取到当前观测值或更极端值的概率。它是假设检验中衡量证据强度的核心指标：p 值越小，说明观测结果与原假设越不兼容，拒绝原假设的证据越强。

p 值的计算依赖检验统计量所服从的分布。最常见的四种场景：Z 检验（大样本均值/比例，标准正态分布）、t 检验（小样本均值，t 分布）、χ² 检验（方差/拟合优度/独立性，卡方分布）、F 检验（方差比/方差分析，F 分布）。每种分布都有各自的累积分布函数（CDF），p 值本质上就是 CDF 在特定区间的取值。

检验方向决定了 p 值的计算方式。左尾检验用于「小于」的备择假设，p 值 = P(S ≤ x)；右尾检验用于「大于」，p 值 = P(S ≥ x)；双尾检验用于「不等于」，p 值 = 2 × min{P(S≤x), P(S≥x)}——对于对称分布（正态/t），双尾 p 值 = 2 × P(S ≥ |x|)。选择方向应在看到数据之前确定，事后切换方向会人为放大显著性。

判定规则：p ≤ α → 拒绝 H₀；p > α → 没有足够证据拒绝 H₀。最常用的 α = 0.05（5%），更严格的场景取 0.01，初步探索可用 0.10。α 是犯第一类错误（拒真错误）的概率上限，应在检验前设定并报告。

p 值的逻辑是反证法的概率版：先假设「没有效果」（原假设），看现有数据在这个假设下有多意外——如果足够意外（p<0.05），就认为原假设不可信。注意 p 值测量的不是「效应大小」也不是「原假设为真的概率」，它只是一个条件概率 P(数据|H₀)，而人们想要的 P(H₀|数据) 需要贝叶斯方法，两者被混淆是 p 值最大的误读。

2016 年美国统计协会（ASA）发布历史性声明指出 p 值的六大误区，核心三条：p 值不衡量效应大小或结果重要性；p>0.05 不证明无效应；科学结论不应只基于 p 值是否过线。现代实践建议同时报告效应量（Cohen d、均数差）与置信区间，0.05 阈值被越来越多期刊降级为参考线而非判官。

左尾：p = F(x)；右尾：p = 1 − F(x)；双尾：p = 2 × min{F(x), 1 − F(x)}，其中 F 为检验统计量在 H₀ 下的累积分布函数

p 值 = 原假设为真时，观察到当前（或更极端）数据的概率。z 检验：z=(x̄−μ₀)/(σ/√n)，双侧 p=2(1−Φ(|z|))。例：μ₀=100、σ=15、n=36、x̄=105，z=105−100/ (15/6)=2，p=2(1−0.9772)=0.0456<0.05，拒绝原假设。p<α 只说明「数据与原假设不相容」，不说明原假设为假的概率是 p。

四种分布的适用场景与典型统计量
分布	适用场景	统计量形式	自由度参数
Z（标准正态）	大样本均值检验、比例检验	Z = (x̄ − μ₀) / (σ/√n)	无
t 分布	小样本均值检验（σ未知）	t = (x̄ − μ₀) / (s/√n)	df = n − 1
χ² 分布	方差检验、拟合优度、独立性	χ² = (n−1)s²/σ₀² 或 Σ(O−E)²/E	df 依场景而定
F 分布	方差比检验、方差分析（ANOVA）	F = s₁²/s₂² 或 MSB/MSW	df₁, df₂ 两个自由度

如何使用p 值计算器

1
选择检验统计量服从的分布：Z（正态）/ t / χ² / F。
2
输入检验统计量的观测值。对于 t/χ²/F 分布，还需输入自由度（F 分布需要分子和分母两个自由度）。
3
选择检验方向：双尾（≠）、左尾（<）或右尾（>）。
4
选择显著性水平 α（0.01 / 0.05 / 0.10），工具自动对比 p 值与 α 并给出拒绝/不拒绝结论。
5
点击「计算 p 值」：结果区显示 p 值（百分比与小数）、判定结论（Badge 标注），以及分布曲线——阴影面积即 p 值，红色虚线为统计量位置。
6
也可以直接点击快捷 chips（如 z = 1.96）一键填入常用统计量。

计算示例

例 1Z = 1.96，双尾检验

标准正态分布下，P(|Z| ≥ 1.96) = 2 × P(Z ≥ 1.96) = 2 × 0.025 = 0.0500。p 值恰好等于 0.05，处于常用显著性水平的临界线上——恰好拒绝 H₀。

例 2t(20) = 2.5，右尾检验

自由度 20 的 t 分布下，P(T ≥ 2.5) ≈ 0.0103。在 α = 0.05 下拒绝 H₀，但在 α = 0.01 下无法拒绝——p 值落在两个常用阈值之间，需根据研究场景判断。

例 3χ²(5) = 11.07，右尾检验

自由度 5 的卡方分布下，P(χ² ≥ 11.07) ≈ 0.0501。恰好处于 α = 0.05 的临界值附近，对应 χ² 分布表中 χ²₀.₀₅(5) = 11.070 的教科书标准值。

例 4F(3, 20) = 3.10，右尾检验

分子自由度 3、分母自由度 20 的 F 分布下，P(F ≥ 3.10) ≈ 0.0500。这是方差分析（ANOVA）中 F 检验的典型临界值。

注意事项

p 值不是「原假设为真的概率」，也不是「结果由随机 chance 造成的概率」——它是在假设 H₀ 为真的条件下，出现当前或更极端数据的条件概率。
双尾检验是默认的安全选择：除非有充分的先验理由确信差异只可能朝一个方向，否则应使用双尾。事后从双尾切换到单尾来人为降低 p 值是学术不端行为（p-hacking）。
统计显著 ≠ 实际重要：大样本下即使效应微小也能产生极小的 p 值。报告结果时应同时给出效应量（effect size）与置信区间。
χ² 和 F 分布的统计量不能为负（它们本身是平方量），工具会自动拦截负值输入。
p 值的计算精度：正态分布使用 Abramowitz–Stegun 逼近（误差 < 1.5e-7），t/χ²/F 分布通过不完全 Beta/Gamma 函数连分式展开（精度 ~1e-12），足够满足科研需求。

常见问题