在这个科研可重复性被反复提及的时候，针对这种过分强调P值的情况，美国统计学会（American Statistical Association，ASA）发布了一个关于统计意义和P值的声明"The ASA's statement on p-values: context, process, and purpose"，提出了6条使用和解释P值的原则。
这6条原则包括： 1. P值可以表示数据与一个特定的统计模型是否相容；例如在零假设通常用来假设一个效应不存在，如两组之间没有差异，两个因素没有相关性。此时P值越小，数据与零假设的不相容性（incompatibility）越大，可以解释为这些数据怀疑或否定了零假设。 2. P值不能代表假说为真的概率，也不代表数据完全是由随机因素造成的概率；P值是所得数据与解释之间关系的说明，而不是对解释本身的说明。 3. 科研结论、商业决定和政策制定不能完全凭P是否小于一个特定的值来决定；重大决策与结论中，需要考虑诸多因素，如实验设计、数据质量、外部证据、假设的合理性等等，不能只由P值决定Yes or No的问题。 4. 正确的推理需要全面的报告和透明度；正确的科学推理，需要研究者公布研究中包含的所有假设，所有数据收集的决定，所有进行的统计分析和所有P值。 5. 一个P值，或者显著性，不能表示一个效应的大小，或者一个结果的重要性；P值大小不代表效应大小。再微小的效应，达到一定的样本量和测量精度，都能得到小的P值；再大的效应，在样本量和测量精度不那么高的时候，也可能只能得到普普通通的P值。 6. P值本身不能作为判断一个模型或假说的良好量度。单独的P值只能提供有限信息。用一个略小于0.05的P值来拒绝零假设就难以有说服力；相反，一个相对较大的P值也不能说就赞成零假设。当有其他方法可选时，数据分析不应该以一个简单的P值计算作为结束。
1. P-values can indicate how incompatible the data are with a specified statistical model.2. P-values do not measure the probability that the studied hypothesis is true, or the probability that the data were produced by random chance alone.3. Scientific conclusions and business or policy decisions should not be based only on whether a p-value passes a specific threshold.4. Proper inference requires full reporting and transparency.5. A p-value, or statistical significance, does not measure the size of an effect or the importance of a result.6. By itself, a p-value does not provide a good measure of evidence regarding a model or hypothesis.
扫码加好友，拉您进群
全部版块
我的主页
收藏
