如何理解和运用p统计值 　 ??? 在专业的统计研究文献中，我们经常会见到一个p统计值作为研究结果的一部分。在SPSS软件中，运算结果中也经常有p统计值给出。这里的p统计值实际上是一个与统计假设检验相联系的概率。 ??? 专业的定义是：p统计值是在零假设成立的情况下，检验统计量的取值等于或超过所观察到的值的概率，从而p统计值即为否定H0的最低显著性水平。 ??? 例如，当你在文献中见到p<0.05的表述时，意味着如果给定一个真实的零假设，那么检验统计量的取值等于或超过实际观察到的极端值的概率为0.05。大多数学者都把这一结果解释为支持你否定零假设而接受替代假设的证据。有学者称p统计值为“实验使零假设相信者感到吃惊的程度的度量”。p统计值越小，零假设相信者吃惊的程度越高。 ?? 我的理解是：“p统计值是对零假设者的支持率或支持程度”，这样比较好理解和记忆。p统计值越小，就越不支持零假设者。在0.05的显著水平下，如果p<0.05，我们就可以否定零假设。 ??? 有了计算机输出的p统计值，我们可以直接用它来替代F值或t值进行检验，而不必去查有关统计表和比较临界值了。例如下面是使用SPSS进行多元回归的结果，我们要检验模型的显著性和各变量系数的显著性。 ? 在ANOVB节中，sig.就是p统计值，p=0.015<0.05，因此回归方程整体上显著；在coefficients节中，x1、x3的p统计值大于0.05，不显著，只有x2的p统计值小于0.05，具有显著性。 ?