p 值的正确含义
p 值是在原假设（H₀）成立的前提下，观察到当前样本结果或更极端结果的概率。
正确理解
p = 0.03 意味着：“如果 H₀ 为真，那么观察到当前差异（或更大差异）的概率是 3%。” 这个概率足够小，我们有理由怀疑 H₀。
6 大常见误区
常见误区
误区 1：p < 0.05 = 效应很大
p 值只反映“意外程度”，与效应大小无关。大样本下微小差异也可能 p<0.05。
误区 2：p > 0.05 = 没有差异
p>0.05 只说明“证据不足以拒绝 H₀”，不等于“H₀ 为真”。可能样本量不足。
误区 3：p = 0.05 是“显著”和“不显著”的分界线
0.05 是惯例，不是自然法则。p=0.049 和 p=0.051 的差异没有实质意义。报告精确 p 值。
误区 4：p 值是“H₀ 为真的概率”
错。p 值是 P(数据|H₀)，不是 P(H₀|数据)。这是条件概率的方向错误。
误区 5：p < 0.05 = 结果可重复
单次 p<0.05 不保证可重复性。可重复性取决于效应大小、样本量、研究设计。
误区 6：p 值可以“证明”备择假设
假设检验只能“拒绝”或“不拒绝”H₀，不能“证明”H₁。科学结论需要累积证据。
如何正确报告 p 值
- 报告精确 p 值（如 p=0.032），不要只写 p<0.05
- 同时报告效应量和置信区间
- 说明使用的 α 水平和检验类型（单侧/双侧）
- 避免“显著”“边缘显著”等模糊措辞
- p>0.05 时说明“未观察到统计显著差异”，不说“没有差异”
报告模板
“独立样本 t 检验显示，实验组（M=78.5, SD=10.2）显著高于对照组（M=72.3, SD=11.1）， t(58)=2.34, p=0.023, Cohen's d=0.61, 95% CI [0.8, 11.6]。”