不是。p 值只反映"在原假设成立的前提下，观察到当前或更极端结果的概率"，与效应大小无关。大样本下微小的差异也可能 p 0.05（样本不足）。应同时报告效应量（如 Cohen's d、η²、Cramér's V）来判断实际意义。

Question 1

p<0.05 是否代表效应很大？

Accepted Answer

不是。p 值只反映"在原假设成立的前提下，观察到当前或更极端结果的概率"，与效应大小无关。大样本下微小的差异也可能 p<0.05（统计显著 ≠ 实际重要），小样本下较大的差异也可能 p>0.05（样本不足）。应同时报告效应量（如 Cohen's d、η²、Cramér's V）来判断实际意义。

Question 2

p>0.05 是否证明两组没有差异？

Accepted Answer

不能。p>0.05 只说明"当前样本不足以拒绝原假设"，不等于"原假设为真"。可能的原因包括样本量不足、测量误差大、或效应确实很小。如需证明"无差异"，应使用等效性检验（equivalence test）或报告置信区间。

Question 3

相关系数 r=0.8 是否意味着因果关系？

Accepted Answer

不意味着。相关只说明两变量有线性关联，不能推断因果方向。可能存在第三变量（混杂因素）同时影响两者，或因果方向与直觉相反，或纯属巧合。因果推断需要实验设计（如随机对照试验）或因果推断方法。

Question 4

样本量越大越好吗？

Accepted Answer

不一定。过大的样本量会使微小的、无实际意义的差异也达到统计显著，浪费资源且可能产生伦理问题（如不必要的动物实验）。应在实验设计阶段通过功效分析（power analysis）估算合理样本量，平衡检测能力与资源成本。

Question 5

t 检验和 ANOVA 有什么区别？

Accepted Answer

t 检验用于比较两组均值差异，ANOVA 用于比较三组或更多组均值差异。对两组数据，t 检验和 ANOVA 等价（F=t²）。当组数≥3 时，不应做多次两两 t 检验（会抬高假阳性率），而应先用 ANOVA 判断整体是否有差异，显著后再做事后检验（如 Tukey HSD）。

方法向导