p 值

p 值是在原假设 $H_0$ 为真的假设下，观察到至少与实际样本一样极端之数据的概率。p 值小代表若 $H_0$ 为真，所观察到的数据便不太可能出现，因而构成反对 $H_0$ 的证据。

惯例：若 $p < \alpha$ 则拒绝 $H_0$（常取 $\alpha = 0.05$）。门槛 $\alpha$ 是你所接受的第一类错误率。

常见误解（每位统计学教授都会反复强调）：

• $p$ 不是“$H_0$ 为真的概率”。
• $p$ 不是“结果出于偶然的概率”。
• $p$ 小不代表效应大——只代表在 $H_0$ 下不太可能出现的效应。样本极大时，微不足道的小效应也会变得“统计上显著”。
• $p > 0.05$ 不能证明 $H_0$ 为真——只是不足以拒绝它的证据。

美国统计学会（2016 年）明确警告不要把 p 值当成“显著／不显著”的二元决策；应同时报告效应量与置信区间。