P 值
确定否定假设检验中原假设的适当性。P 值范围介于 0 到 1 之间。p 值越小，错误地否定原假设的概率就越小。进行任何分析之前，请先确定 alpha (a) 水平。常用值为 0.05。如果检验统计量的 p 值小于 alpha，则可否定原假设。
由于 p 值在假设检验中具有不可或缺的作用，因此 p 值被用于许多统计领域，其中包括基本统计量、线性模型、可靠性和多元分析。关键是要了解每个检验中原假设和备择假设所代表的内容，然后使用 p 值来帮助做出否定原假设的决定。
例如，考虑一个双样本 t 检验，其中要根据随机样本检验来自两台铣床的钢材的平均强度之间的差值。在此例中，原假设认为两个总体平均值相等，而备择假设则认为这两个平均值不相等。如果 p 值低于截止值水平，则表明总体平均值不同。
假设还要对钢材强度进行回归分析，温度是其中的一个解释变量。可以看到每个回归系数的 p 值。在此，默认检验是确定温度的估计系数是否为零。因此，原假设认为该系数等于零，而备择假设认为该系数不等于零。如果 p 值低于截止值水平，则表明温度的系数显著不同于零，并且对您的模型而言可能是有意义的补充。
p 值根据观测的样本来计算，它表示当原假设实际为真时错误否定原假设的概率（类型 I 错误）。换句话说，它是仅通过随机误差获得至少与观测值和假设值之间的差值一样大的差值的概率。
