|
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” |
|
|
