Jawapan ringkas
Nilai-p ialah kebarangkalian untuk melihat hasil sekurang-kurangnya sama ekstrem anda, jika hipotesis nol (tiada kesan sebenar) adalah benar. Nilai-p yang kecil (biasanya di bawah 0.05) mencadangkan data anda adalah luar biasa di bawah andaian itu — bukti terhadap hipotesis nol, bukan bukti ia palsu, dan bukan kebarangkalian bahawa hipotesis nol itu sendiri adalah benar.
Pengambilan utama
- p < 0.05 tidak membuktikan kesan adalah nyata; ia bermakna data yang diperhatikan tidak mungkin jika benar-benar tiada kesan.
- Nilai-p bergantung pada statistik ujian, saiz sampel dan kebolehubahan - kesan kecil dan tidak penting masih boleh menghasilkan nilai-p yang kecil jika sampel cukup besar.
- Ujian dua hujung membahagikan kepentingan merentas kedua-dua arah dan secara amnya melaporkan kira-kira dua kali ganda nilai p bagi ujian satu hujung yang sepadan.
- Statistik ujian yang berbeza (z, t, chi-square, F) datang daripada taburan yang berbeza, jadi statistik berangka yang sama boleh menghasilkan nilai-p yang sangat berbeza bergantung pada ujian yang digunakan.
Ambang kepentingan biasa
| julat nilai-p | Tafsiran tipikal |
|---|---|
| p ≥ 0.10 | Sedikit atau tiada bukti terhadap hipotesis nol |
| 0.05 ≤ p < 0.10 | Bukti lemah atau marginal |
| 0.01 ≤ p < 0.05 | Moderate evidence — commonly called "significant" |
| p < 0.01 | Bukti kukuh terhadap hipotesis nol |
Kumpulan ini adalah konvensyen, bukan undang-undang alam semula jadi — bidang yang berbeza (perubatan, fizik, sains sosial) menggunakan ambang yang berbeza bergantung pada betapa mahalnya positif palsu.
Satu ekor vs dua ekor
| Ujian | Soalan ditanya | hubungan nilai-p |
|---|---|---|
| Dua ekor | Adakah terdapat perbezaan, dalam mana-mana arah? | ~2× nilai p satu hujung |
| Satu ekor | Adakah terdapat perbezaan dalam satu arah tertentu? | ~1/2 nilai p dua hujung |
Contoh yang berfungsi: nilai-p ujian-z
z = 1.96, ujian dua hujung
p = 2 × (1 − Φ(1.96)) = 2 × (1 − 0.9750) = 0.05
Inilah sebabnya mengapa 1.96 sering muncul dalam statistik — ia ialah skor z yang nilai p dua hujungnya mendarat tepat pada ambang 0.05 konvensional, menjadikannya potongan standard untuk tahap keyakinan 95%.
Kesilapan biasa yang perlu dielakkan
- Treating the p-value as "the probability the null hypothesis is true" — it's computed assuming the null IS true, so it can't simultaneously measure the odds that it's true.
- Memilih arah ujian satu hujung selepas melihat ke arah mana data condong — arah mesti diputuskan sebelum melihat keputusan, atau ujian itu tidak lagi sah.
- Menganggap p = 0.05 sebagai garis keras — nilai p 0.049 dan 0.051 mewakili bukti yang hampir sama walaupun mendarat di bahagian bertentangan ambang biasa.
- Kepentingan statistik yang mengelirukan dengan kepentingan praktikal — sampel yang cukup besar boleh menjadikan kesan yang kecil dan tidak penting secara statistik ketara.
Kalkulator berkaitan
- Kalkulator Selang Keyakinan — menganggarkan julat dan bukannya menguji satu hipotesis.
- Kalkulator Skor Z — menukar nilai mentah kepada skor z yang boleh diuji oleh kalkulator ini.
- Kalkulator Sisihan Piawai — kira kebolehubahan yang dimasukkan ke dalam kebanyakan statistik ujian.
- Kalkulator Saiz Sampel — merancang kajian dengan kuasa yang mencukupi untuk mengesan kesan sebenar.