Det korta svaret
Ett p-värde är sannolikheten att se ett resultat som är minst lika extremt som ditt, om nollhypotesen (ingen verklig effekt) faktiskt var sann. Ett litet p-värde (vanligtvis under 0,05) tyder på att dina data skulle vara ovanliga under det antagandet - bevis mot nollhypotesen, inte bevis på att den är falsk och inte sannolikheten att nollhypotesen i sig är sann.
Nyckel takeaways
- p < 0,05 bevisar inte att en effekt är verklig; det betyder att de observerade uppgifterna skulle vara osannolika om det verkligen inte fanns någon effekt.
- P-värdet beror på teststatistik, urvalsstorlek och variabilitet - en liten, oviktig effekt kan fortfarande producera ett litet p-värde om urvalet är tillräckligt stort.
- Tvåsidiga test delar signifikans över båda riktningarna och rapporterar i allmänhet ungefär det dubbla p-värdet för ett matchande ensidigt test.
- Olika teststatistik (z, t, chi-kvadrat, F) kommer från olika fördelningar, så samma numeriska statistik kan ge väldigt olika p-värden beroende på vilket test som gäller.
Vanliga betydelsetrösklar
| p-värdesområde | Typisk tolkning |
|---|---|
| p ≥ 0.10 | Lite eller inga bevis mot nollhypotesen |
| 0.05 ≤ p < 0.10 | Svaga eller marginella bevis |
| 0.01 ≤ p < 0.05 | Moderate evidence — commonly called "significant" |
| p < 0.01 | Starka bevis mot nollhypotesen |
Dessa band är konventioner, inte naturlagar – olika områden (medicin, fysik, samhällsvetenskap) antar olika trösklar beroende på hur kostsamt ett falskt positivt skulle vara.
Ensvansad vs. tvåsvansad
| Testa | Frågan ställd | p-värdessamband |
|---|---|---|
| Tvåsvansad | Finns det någon skillnad åt båda hållen? | ~2× det ensidiga p-värdet |
| Ensvansad | Finns det någon skillnad åt ett specifikt håll? | ~1/2 det tvåsvansiga p-värdet |
Arbetat exempel: z-test p-värde
z = 1,96, tvåsidigt test
p = 2 × (1 − Φ(1,96)) = 2 × (1 − 0,9750) = 0,05
Det är precis därför 1,96 dyker upp så ofta i statistiken — det är z-poängen vars tvåsvansade p-värde landar exakt på den konventionella 0,05-tröskeln, vilket gör det till standardgränsen för en konfidensnivå på 95 %.
Vanliga misstag att undvika
- 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.
- Att välja ett ensidigt tests riktning efter att ha sett åt vilket håll data lutar — riktningen måste bestämmas innan du tittar på resultaten, annars är testet inte längre giltigt.
- Att behandla p = 0,05 som en hård linje - ett p-värde på 0,049 och 0,051 representerar nästan identiska bevis trots att de landar på motsatta sidor av den gemensamma tröskeln.
- Att förväxla statistisk signifikans med praktisk betydelse - ett tillräckligt stort urval kan göra även en trivialt liten, oviktig effekt statistiskt signifikant.
Relaterade miniräknare
- Kalkylator för konfidensintervall — uppskatta ett intervall istället för att testa en enda hypotes.
- Z-poäng kalkylator — konvertera ett råvärde till z-poängen som denna kalkylator kan testa.
- Standardavvikelsekalkylator — beräkna variabiliteten som matas in i de flesta teststatistik.
- Kalkylator för provstorlek — planera en studie med tillräckligt med kraft för att upptäcka en verklig effekt.