为什么 p 值＜0.05 ，才有统计学意义？

luyuanhong

为什么 p 值＜0.05 ，才有统计学意义？

作者 | NIRO

编辑 | 澹泊研究僧

来源 | NIRO（ID：NIRO-keyanmiao）

在前期写过关于显著性差异分析《导师以为你会，但不一定教你的「显著性差异」分析！》，有朋友问：“为什么 p 值小于 0.05 ，才有统计学意义？”所以，这期主要分享关于为什么 p＜0.05 才有统计学意义。

在科学研究与数据分析中，我们经常看见“ p 值＜0.05”这一表述，它被视为判断统计结果是否具有“显著性”差异的关键门槛。对于这“p 值＜0.05”标准的诞生，一直存在争议，有的认为这不过只是“老祖宗”传下来的；有的则认为这是“通过大量统计学后得出的结果”。NIRO 认为，这也折射出统计学在探索真理与规避风险之间的微妙平衡。


图片来源：网络

所谓 p 值的核心定义是指在原假设（即“没有效应”或“没有差异”）成立的条件下，观察到当前数据或更极端数据的概率。例如：若某药物试验 p 值为 0.03 ，其含义为假设该药物无效（原假设），仍有 3% 的概率观察到当前疗效数据或更极端的结果，这一概率值越小，数据与原假设的矛盾就越尖锐，拒绝原假设的依据越充分。

1. 那么，为什么 p 值要＜0.05 才有统计学意义呢？

其实 0.05 阈值只是历史的选择与实用性的妥协。在 20 世纪初，统计学家 Ronald Fisher 在《研究工作者的统计学方法》中首次提出，将 0.05 作为拒绝原假设的阈值。他建议研究者将 p＜0.05 视为“显著”差异，并强调：“要判断研究结果的差异是否显著，以这一点当做门槛很方便。”


图片来源：网络

所以，这一选择并非基于数学必然性，而是对两类错误（“假阳性”与“假阴性”）的权衡。若 p 值小于 0.05 ，则意味着在假设检验中，原假设为真时，出现当前数据的概率低于 5% ，这一风险被视为“可接受”。

0.05 的流行主要源于其简洁性，它为研究决策提供了一个清晰的分界线。然而，这一标准并非绝对的。Ronald Fisher 本人也承认：“这一标准是方便的‘惯例’而非‘真理’。”例如：在样本量极大或测量精度极高时，即使微小差异也可能因 p＜0.05 ，而被视为“显著”差异，但实际意义可能微乎其微。

所以，不同的领域可能采用更严格的阈值（如：p＜0.01 ）或更宽松的标准（如：p 小于 0.1 ）。近年来，学者们批评过度依赖 p 值可能导致“p 值操纵”（如选择性报告数据）或误解统计意义，甚至提出将阈值降至 0.005 以减少假阳性。

2. p 值＜0.05 的统计学意义：拒绝原假设的证据

当 p 值＜显著性水平 α（通常为 0.05 ）时，我们倾向于拒绝原假设，接受备择假设（如“两组存在差异”）。这一结论的逻辑是：若原假设为真，观察到当前数据的概率极低（<5%），因此更有理由相信原假设不成立。然而，需明确两点:

（1）p 值 ≠ 实际重要性：p 值仅反映数据与原假设的矛盾程度，不直接衡量效应大小。例如，大样本研究中，微小差异（如血压均值相差 0.5mmHg ），也可能因样本量极大而产生极小的 p 值，但实际临床意义可能微乎其微。

图片3
图片来源：网络

（2）阈值 ≠ 真理：p 值<0.05 是人为设定的标准，而非自然法则。研究结论需结合效应量、置信区间、研究设计等多维度信息综合判断。

3. p 值的局限性：被误读的“显著性”

（1）p 值对样本量极度敏感：样本量越大，越易检测到微小差异。例如：10 组人的血压研究可能是 p＞0.05 ，而 1000 组人的血压可能 p＜0.001 ，即使均值差异未变。

（2）多重检验陷阱：若进行多次假设检验（如基因组学研究中同时检测到数万个基因），假阳性率会显著上升。此时需要通过校正方法（如：Bonferroni 校正）控制总体误差。

（3）p 值操纵风险：研究者可能通过选择性报告数据、调整统计方法等方法“追逐 p＜0.05 ”，则会导致结果可信度下降。这也是为什么很多期刊文章，都要求技术重复和生物学重复的原因之一。

4. 小结

p 值＜0.05 的标准，是统计学在效率与严谨之间妥协的产物。它像一把双刃剑，一方面为科学决策提供了量化工具；另一方面，若被滥用或误读，可能导致研究结果不正确。所以，并不是 p 值＜0.05 才有统计学意义，而是要在合理的置信区间进行假设判断，一般样本越多，其结果越真实。

作者 | NIRO

来源 | NIRO（ID：NIRO-keyanmiao）

排版 | 澹泊研究僧

图片 | 图虫创意