在比较两个组时，必须区分单尾P值和双尾P值。有些书籍称之为单侧和双侧P值，这两者含义相同。

单尾是什么意思？

结合具体情境来理解这种区别最为直观。因此，让我们假设您正在比较两个组的均值（使用非配对t检验）。无论是单尾P值还是双尾P值，都是基于同一个零假设：两个总体确实相同，且样本均值之间的观察到的差异是由于随机因素造成的。

双尾P值回答的是以下问题：

假设零假设成立，随机抽取的样本其均值差距达到（或超过）本实验中观察到的程度，且任一组平均值更大的概率是多少？

要解读单尾P值，您必须在收集任何数据之前预测哪个组的平均值会更大。单尾P值回答了以下问题：

假设零假设成立，随机抽取的样本均值相差与本实验中观察到的差异一样大（或更大），且指定组的平均值更大的概率是多少？

如果观察到的差异方向与实验假设的预测方向一致，则单尾P值等于双尾P值的一半（在大多数但并非所有统计检验中均如此）。

何时适合使用单尾P值？

当先前数据、物理限制或常识表明，差异（如果存在）只能朝一个方向发展时，单尾检验是合适的。只有当以下两个条件同时成立时，才应选择单尾P值。

•您在收集任何数据之前就预测了哪个组的均值（或比例）会更大。如果您是在看到数据后才做出“预测”的，那就别想使用单尾P值了。

•如果另一组的组平均值最终更大——即使大得多——您也会将这种差异归因于偶然，并认为该差异“在统计学上不显著”。

以下是一个可以适当选择单尾P值的示例：您正在检验一种新抗生素是否会损害肾功能（以血清肌酐水平为衡量标准）。许多抗生素会毒害肾细胞，导致肾小球滤过率降低，血清肌酐水平升高。 据我所知，目前尚无已知抗生素能降低血清肌酐水平，而且也很难想象存在某种机制能使抗生素提高肾小球滤过率。 在收集任何数据之前，您可以指出有两种可能性：要么该药物不会改变总体血清肌酐的均值，要么会提高总体血清肌酐的均值。您认为该药物真正降低总体血清肌酐均值的可能性为零，并计划将任何观察到的下降归因于随机抽样。 因此，计算单尾P值是合理的。在本示例中，双尾P值用于检验“该药物不会改变肌酐水平”这一零假设；单尾P值则用于检验“该药物不会升高肌酐水平”这一零假设。

在选择单尾P值或双尾P值时，关键问题并非在于您是否预期存在差异。如果您已经知道是否存在差异，就没有理由收集数据了。真正的问题在于，差异的方向（如果存在的话）是否只能朝一个方向发展。 只有当您能（在收集任何数据之前）确信地断言，总体中要么不存在差异，要么存在特定方向的差异时，才应使用单尾P值。 如果最终数据显示差异方向是“错误”的，您应该愿意将该差异归因于随机抽样，甚至不应考虑所测得的差异可能反映总体中真实差异的可能性。 如果“错误”方向的差异会引起您的兴趣（哪怕只是一点点），您就应该计算双尾P值。

Prism 如何报告单尾P值

当您要求 Prism 报告单尾P值时，它会假设实际差异或效应的方向与您预测的方向一致，因此 Prism 报告的单尾P值总是小于（几乎总是，且恰好为）双尾P值的一半。

如果实际上观察到的差异或效应与您的预测方向相反，那么 Prism 报告的单侧 P 值就是错误的。 实际的单尾P值将等于 1.0 减去报告的单尾P值。例如，如果报告的单尾P值为 0.04，且实际差异的方向与您的预测相反，则实际的单尾P值为 0.96。

如果在收集数据前未预测差异或效应的方向，该怎么办？

如果您在收集数据前没有预测效应的方向，就不应该报告单侧 P 值。说“嗯，我本会预测……”是自欺欺人。如果您没有记录预测，就不应该使用单侧 P 值。

如果检验没有两个方向呢？

单尾P值和双尾P值的概念仅适用于存在两种效应方向（增加或减少）的假设。如果您正在比较三个或更多组（方差分析，ANOVA），那么单尾P值和双尾P值的概念就毫无意义，Prism也不会要求您做出这种选择。

如何在单尾P值和双尾P值之间转换

如果实际效应与您的预测方向一致：

•单尾P值等于双尾P值的一半。

•双尾P值是单尾P值的两倍（假设您正确预测了差异的方向）。

对于几乎所有的统计检验，这条规则都完全适用。某些检验（如Fisher检验）不具有对称性，因此对于这些检验，上述规则仅为近似值。

如果实际效应的方向与您预测的方向相反：

•单尾P值等于1.0减去双尾P值的一半。