在医学研究中,统计学检验是验证研究目的的重要手段。 0.05是常用的显著性水平。P<> 那么,p值未低于显著性水平的检验结果,又告诉我们什么呢? 这需要从检验假设说起: 以t检验为例。在验证两组正态分布数据的平均水平不同时(例如男性和女性身高是否存在差异),就会采用如下假设: 假设检验是在假定原假设成立的角度完成的,当P<> 从直观上很容易想到,“既然P<> 因此临床研究中常见的错误就是:基于差异无统计学意义的统计结果做出相等性的结论。 假设检验的“核心思想”来自“反证”。通过明确验证目标,并将他的反面设定为原假设。假设检验中先设定他的对立面是成立的,并完成统计计算,当对立面成立的可能性足够小的时候就拒绝他,接受备择假设,也就验证了我们的目标。 基于这一点,我们拒绝原假设所需要的p值水平是严格公认的“足够小” 这么一来,我们很容易看到:p>0.05实际包括了五彩缤纷的实际情况。 但言而总之一句话:我可没办法说他们一定一样喔,我只是说:我还没理由拒绝它啊! 只有当p<>
综上,假设检验从根本上限定了:我们能够验证的只有备择假设,而永远无法验证原假设成立。因为检验是基于原假设成立的角度做出的,p值>0.05,包含了多种实际情况 ,他们仅仅说明现有信息尚不足以拒绝原假设。 那么,如果想验证二者相同该怎么办呢? 首先,要验证的结论必须站在备择假设上。同时,需要通过验证两组间的差异小于可接受的差异范畴加以证明。 他有一个好听的名字“等效性检验” |
|