咱们做科研、搞数据分析的，不管是理工科还是社会科学，几乎都绕不开“假设检验”这四个字。而一提到假设检验，大家第一反应准是“p值”——是不是小于0.05？小于0.05就欢呼雀跃，觉得“结果显著”“研究有意义”；大于0.05就垂头丧气，觉得实验白做了、数据没用了。
但今天我要跟大家掏心窝子说一句：这种把p值当“圣旨”、把“统计显著性”等同于“科学价值”的做法，其实是对假设检验数学逻辑的严重误解。我教了几十年统计学，见过太多研究生、甚至资深研究者因为踩了这些误区，要么得出错误结论，要么错失有价值的发现，实在可惜。今天咱们就掰开揉碎了讲，从假设检验的数学本质入手，把p值和统计显著性的那些误区说透，让大家以后再用这个工具时，心里明明白白。
此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 会·生活 » p值不是“铁律”：假设检验的数学逻辑与统计显著性的常见误区