在解读P值之前

在考虑P值之前，您应该：

•审视研究设计。如果研究设计不佳，那么结果很可能没有参考价值。此时P值是多少并不重要。

•审查所选分析方法的假设，确保未违反任何假设。对于Prism进行的每项分析，我们均提供分析检查清单。若违反了假设，P值可能失去意义。

解读较小的P值

较小的P值意味着，您观察到的差异（相关性、关联性等）在随机抽样中出现的概率极低。有三种可能：

•“无差异”的零假设成立，且发生了罕见的巧合。您可能只是碰巧在一组中得到大值，而在另一组中得到小值，这种差异完全归因于偶然。这种情况有多大可能性？令人惊讶的是，该问题的答案并非 P 值。相反，答案依赖于实验的科学背景。

•零假设是错误的。确实存在差异（或相关性、关联性……），且其程度足以引起科学上的兴趣。

•零假设不成立。确实存在差异（或相关性、关联性……），但该差异微乎其微，在科学上毫无意义。差异是真实存在的，但微不足道。

在最后两种可能性之间做出判断，是科学判断的问题，没有任何统计计算能帮助您做出决定。

利用置信区间解读较小的P值

若 P 值小于 0.05，则 95% 置信区间将不包含零（在比较两个均值时）。要在科学语境中解读置信区间，需观察置信区间的两端，并判断它们所代表的均值差异是否具有科学意义，抑或微不足道。本节假设您正在使用 t 检验比较两个均值，但将这些思路应用于其他情境也同样简单。

需要考虑三种情况：

•置信区间仅包含微不足道的差异。尽管您可以95%确信真实差异不为零，但同样可以95%确信均值间的真实差异微乎其微且无足轻重。干预措施确实产生了效果，但效果很小。

•置信区间仅包含您认为重要的差异。由于置信区间的下限所代表的差异已足够大，足以被视为具有科学意义，因此可以得出结论：两组均值之间存在差异，且该差异足够大，具有科学意义。

•置信区间涵盖了从微不足道到重要的差异。由于置信区间涵盖了从您认为在科学上微不足道到您认为重要的差异，因此无法得出强有力的结论。您可以95%确信真实差异不为零，但无法判断该差异的大小在科学上究竟是微不足道还是重要。