解释P值之前

在考虑P值之前，应该：

• 审查科学性：如果该研究设计得不好，则结果可能不会有所帮助；P值是多少并不重要。
• 回顾所选分析假设，确保未违反任何假设：GraphPad为Prism所做的每项分析均提供了一份分析清单；如果违反假设，则P值可能无意义。
  

解释一个较小的P值

较小的P值意味着你观察到的差异（相关性、关联性...）很少因随机抽样而发生，有三种可能性：

• 无差别的零假设正确，并出现罕见的巧合——可能只是碰巧在一组中得到较大值，而在另一组中得到较小值，这种差异完全由于偶然性所导致。这种可能性有多大？令人惊讶的是，该问题的答案不是P值，而是取决于实验的科学背景。
• 零假设错误——确实存在差异（或相关性，或关联性...），大到足以引起科学兴趣。
• 零假设错误——确实存在差异（或相关性，或关联性...），小到不足以产生科学影响；确实存在差异，但微不足道。
  

使用置信区间来解释较小的P值

如果P值小于0.05，则95%置信区间将不包含零（比较两个平均值时）。如需在科学背景下解释置信区间，关注下置信区间的两端，并询问其是否代表你认为具有科学重要性或在科学上微不足道的平均值之间的差异。本节假设你使用t检验比较两个平均值，但在其他情况下，使用这些相同的想法很简单。

需考虑三种情况：

• 置信区间只包含微不足道的差异——虽然你有95%的把握确定真正的差异不是零，但也有95%的把握确定平均值之间的真正差异微小、无意义。治疗有效果，但效果甚微。
• 置信区间只包括你认为重要的差异——由于即使置信区间下限也代表一个大到你认为具有科学重要性的差值，你也可以得出结论：治疗方法之间存在差异，且该差异大到足以具有科学相关性。
• 置信区间的范围介于次要差异与重要差异之间—— 由于置信区间的范围介于一个你认为在科学上次要的差异与重要的差异之间，因此无法得出一个强有力的结论。你可以有95%的信心确定真正的差异并非零，但你无法断定该差异的大小在科学上是次要或重要。