虽然默认情况下不会显示，但 Prism 提供了为 Cox比例风险回归模型的每个参数估计值（及风险比）计算并报告 P 值的选项。这些 P 值是通过检验“真实参数估计值（β）等于零”这一零假设得出的（对每个参数估计值分别进行检验）。请注意，如果真实参数估计值确实为零，则相关预测变量任何增减都不会对风险率产生影响。

当关注风险比而非参数估计值时，零假设是真实风险比等于 1。由于风险比具有乘法性质，风险比等于 1.0 意味着相关预测变量的变化不会影响风险率。

无论您更倾向于从β系数还是风险比的角度思考，所采用的有效零假设都是相同的。这是由于β系数与风险比之间的关系所致。 回顾一下，风险比是通过取对应β系数的指数来计算的（HRi = exp(βi)）。因此，检验β系数是否等于零，等同于检验风险比是否等于 exp(0) = 1。无论哪种方式，零假设都断言相关预测变量的值不会影响风险率。

对于每个报告的预测因子值，计算出的P值回答了以下问题：如果上述零假设成立且所有分析假设均合理，那么观察到该量级或更极端的参数估计值的概率是多少？如果P值足够小（小于指定的显著性水平α，通常设为0.05），则拒绝零假设（即参数估计值为零）。

对于这些检验，我们始终生成双尾 P 值，因为我们对大于或小于零的参数估计值（或大于或小于 1 的风险比）同样感兴趣。若需获得单尾 P 值：

•您必须在实验设计中预先指定效应的方向（即风险比大于或小于1，或参数估计值大于或小于零）

•如果实际方向与预测一致，单尾P值等于双尾P值除以二

•如果实际方向与预测相反，单尾P值等于1-(双尾P值/2)

请注意：未能拒绝“参数估计值为零”的零假设，并不意味着该假设成立！！这仅表明根据现有数据，无法拒绝该假设。

在分析参数对话框中选择 P 值选项时，Prism 将报告：

•Z 值的绝对值，计算方式为参数估计值除以其标准误差

•由 Z 值确定的 P 值

•P值汇总，以“ns”（表示无统计学意义）或一个或多个星号的形式呈现