p 值

p 值是在虛無假設 $H_0$ 為真的假設下，觀察到至少與實際樣本一樣極端之資料的機率。p 值小代表若 $H_0$ 為真，所觀察到的資料便不太可能出現，因而構成反對 $H_0$ 的證據。

慣例：若 $p < \alpha$ 則拒絕 $H_0$（常取 $\alpha = 0.05$）。門檻 $\alpha$ 是你所接受的型一誤差率。

常見誤解（每位統計學教授都會反覆強調）：

• $p$ 不是「$H_0$ 為真的機率」。
• $p$ 不是「結果出於偶然的機率」。
• $p$ 小不代表效應大——只代表在 $H_0$ 下不太可能出現的效應。樣本極大時，微不足道的小效應也會變得「統計上顯著」。
• $p > 0.05$ 不能證明 $H_0$ 為真——只是不足以拒絕它的證據。

美國統計學會（2016 年）明確警告不要把 p 值當成「顯著／不顯著」的二元決策；應同時報告效應量與信賴區間。