• 热线电话:010-56107385

联系方式

地 址:北京市昌平区北清路生命科学园博雅CC -9号楼2层
电 话:010-56107385
传 真:
邮 箱:support@ori-gene.cn

新闻资讯

您现在的位置:首页 > 公司动态 > 新闻资讯
美国统计学会权威发布:P值用法
作者: 来源: 发布于:2016-5-12 17:59:05 点击量:

   Q:为什么这么多学校都在教“P=0.05”?

  A:因为科学界和期刊编辑现在还用这个。

  Q:为什么这么多人还在用“P=0.05”?

  A:因为学校就是这么教的。

 

  这是美国曼荷莲学院(Mount Holyoke College)数学与统计学教授George Cobb20142月在美国统计学会(American Statistical Association, ASA)的论坛上提出来的两个问题。

  在阅读了太多不可重复或者包含统计错误的论文后,ASA决定行动起来:201637日,ASA正式发表了使用和解释P值的“六原则”Wasserstein, R. L., & Lazar, N. A. (2016). The ASA's statement on p-values: context, process, and purpose. The American Statistician

  我们使用P值来检测组间或方法间的差别、评估目标变量间的关系等但ASA指出P值被广泛误用了。

ASA对这六个原则进行了具体的阐释:

  1. P值可以指示数据与一个给定模型的不相容程度。P-values can indicate how incompatible the data are with a specified statistical model.

  我们基于一系列的假设建立的模型称为原假设;建立零假设(null hypothsis),即指某种我们想要检测的效应不存在,例如两组无差,或者某个因子与结果无关。P值越小,说明数据与零假设之间越不相容。这里的不相容,可以解释为对零假设的存疑程度。

  2. P值不能衡量某假设为真的概率,也不能衡量数据仅由随机因素造成的概率。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.

  尽管研究者常常希望计算出零假设是否为真,或是算出观测结果仅由随机事件造成的概率,但P值的作用并不是这个,P值只解释数据与假设之间的关系,它并不解释假设本身。

  3.科学结论、商业决策或政策制定,不应只取决于P值是否达到了一个给定标准。Scientific conclusions and business or policy decisions should not be based only on whether a p-value passes a specific threshold.

  为了给某种科学主张或论断提供佐证而把数据分析或科学评估简化成一种机械性的规则(例如p<0.05),这会导致错误的结论和糟糕的决定。一个结论的正确与否并不会因为研究者算出的P值大于还是小于0.05而改变。研究者需要将很多因子纳入考虑来作出科学推断,包括研究设计、测量的质量、与研究对象有关的外部证据,以及分析数据时使用的假设的合理性等。决策者常常需要根据研究结果作出“做”或“不做”的决定,但p值本身不能决定决策的正确与否。科研界将显著性标准(例如p<0.05)作为发表科学发现(暗示了其真实性)的“许可证”广泛使用,然而这却扭曲了科研的过程。

4. 研究者需对研究进行完整的报告、保证透明度,才能做出合理的推论。Proper inference requires full reporting and transparency.

研究者不应选择地报道P值和相关的统计分析。某项研究可能使用了好几种分析方法,而研究者只报告其中的一部分(特别是那些符合标准的),这就使得P值难以解释。一旦研究者根据统计结果选择性地展示相应的方法,而读者对此并不知情,结果的有效性就打了折扣。研究者应该展示研究过程中检验过的假设的数量、数据收集的方法、所有使用过的统计方法和相应的P值。

5. P值或统计显著性并不能衡量效应的大小和结果的重要性。A p-value, or statistical significance, does not measure the size of an effect or the importance of a result.

某项个结果的统计显著性并不代表其在科学、人文的或者经济上的重要性。P值小并不意味着效应更重要,P值大也不代表不重要或没有效应。无论某个效应的影响有多小,当样本量足够大或测量精度足够高时,总能得到小的P值。对于相同的效应,当测量精度不同时,得到不同的P值也会不同。

6. P值本身并不能衡量模型或假设的可信度。By itself, a p-value does not provide a good measure of evidence regarding a model or hypothesis.

  研究者应该意识到,在没有一定的背景时,P值能提供的信息非常有限。接近0.05P值只能为反驳零假设提供非常弱的证据。同样的,相对大的P值也不一定意味着证据就偏向支持零假设,还是有很多其他的假设可能导致现有的结果。因此,当其他方法适用时,研究者对数据的分析不应止于P值分析。



99re8在这里只有精品2,99re6久久在热线视频 - 男人都来的每日更新的免费在线视频网!