笔趣阁

手机浏览器扫描二维码访问

原创分享 为什么有人说大部分发表的科学研究都是错的（第1页）

“p<0.05”

、“同行评审”

、“影响因子”

被不少科学家成为科研界的三大牛皮癣，大家对他们怨声载道。

不过和另外两个不同，p<0.005可是自1925年诞生之日起就饱受诟病，从2010年开始不停又科学家开始对这个统计学中重要指标发起攻击。

2015年时心理学杂志BasidAppliedSocialPsychology（BASP）就直接宣布我们再也不发表带p值的文章啦！

然后BASP的编辑在接受自然采访时表示：如果假设检验从所有科研出版物上消失那我会很高兴，但是我们还不知道可以用什么来取代它......

那么这个让人又爱又恨的P值（Pvalue）到底是个什么东西呢？

p值的计算可以向上追溯到18世纪，当时人们在统计出生时的男女比例，p值被用于计算男女出生概率相等零假设的统计学显著性。

首先将P<0.005进行推广的人是罗纳德·费雪（SirRonaldAylmerFisher，1890-1962），现代统计学与现代演化论的奠基者之一。

（就是这位大哥证明了孟德尔的遗传定律和达尔文的理论并非互相矛盾而是相辅相成。

）他在1925年所著的《研究工作者的统计方法（StatisticsMethodsforResearchWorkers）》对后世影响力巨大。

正是在这部著作中他提出将p=0.05作为统计显著性的极限，并将其应用于正态分布（作为量为检验），从而得出两个具有统计显著性的标准差的规则。

话说这大哥真的是一拍脑门就想出来的0.05啊，0.05纯粹就是个人为设置的值。

只不过后来成为了大家都公认了这个定值。

加下来我们看一下统计学中的检验假设。

（以下来自百度百科）

假设检验（hypothesistesting），又称统计假设检验，是用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。

显著性检验是假设检验中最常用的一种方法，也是一种最基本的统计推断形式。

1、提出检验假设又称无效假设，符号是H0；备择假设的符号是H1。

H0：样本与总体或样本与样本间的差异是由抽样误差引起的；

H1：样本与总体或样本与样本间存在本质差异；

预先设定的检验水准为0.05；当检验假设为真，但被错误地拒绝的概率，记作α，通常取α=0.05或α=0.01。

2、选定统计方法，由样本观察值按相应的公式计算出统计量的大小，如X2值、t值等。

根据资料的类型和特点，可分别选用Z检验，T检验，秩和检验和卡方检验等。

3、根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。

若P>α，结论为按α所取水准不显著，不拒绝H0，即认为差别很可能是由于抽样误差造成的，在统计上不成立；如果P≤α，结论为按所取α水准显著，拒绝H0，接受H1，则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。

P值的大小一般可通过查阅相应的界值表得到。

p-value就是用来判断H0假设是否成立的依据。

因为期望值是基于H0假设得出的，如果观测值与期望值越一致，则说明检验现象与零假设越接近，则越没有理由拒绝零假设。

如果观测值与期望值越偏离，说明零假设越站不住脚，则越有理由拒绝零假设，从而推出对立假设的成立。

说了这么一大堆那么大家可以简单理解成什么呢？就是如果你的心理学（神经医学、医学等等）实验得到了p<0.05的检验结果那么大概率你就可以水.....啊不是写出一篇论文啦！