p值計算機

p值計算機

p值計算機可以根據四種主要統計分佈的檢定統計量計算 p值：標準常態 (z)、Student's t、卡方 (χ²) 和 F。它支持單尾（左側和右側）和雙尾假設檢定，提供互動式分佈曲線視覺化，並對統計顯著性提供清晰的解釋。

什麼是 p值？

p值 (probability value) 是在假設虛無假設 (H₀) 為真的情況下，獲得與觀察到的統計量至少一樣極端的檢定統計量的機率。它衡量統計檢定中反對虛無假設的證據強度。

• 小 p值 (p < 0.05)： 反對 H₀ 的證據強烈 —— 拒絕虛無假設
• 大 p值 (p ≥ 0.05)： 反對 H₀ 的證據微弱 —— 未能拒絕虛無假設

p值 不 衡量 H₀ 為真的機率，也不衡量效應的大小或重要性。它只告訴您數據與 H₀ 的相容程度。

如何使用此計算機

1. 選擇檢定類型： 選擇與您的統計檢定匹配的分佈 —— z-檢定（標準常態）、t-檢定 (Student's t)、卡方檢定或 F-檢定。
2. 輸入檢定統計量： 輸入您計算出的檢定統計量數值。卡方和 F 統計量必須為非負數。
3. 輸入自由度： 對於 t-檢定和卡方檢定，請輸入 df。對於 F-檢定，請同時輸入分子 (df₁) 和分母 (df₂) 自由度。
4. 選擇檢定尾數： 無方向性假設請選擇雙尾，有方向性假設請選擇左/右尾。
5. 查看結果： 檢查 p值、互動式分佈圖表、多個 alpha 水準下的顯著性評估以及白話文解釋。

支持的統計檢定

z-檢定（標準常態分佈）

當母體標準差已知或樣本量較大 (n > 30) 時使用。在 H₀ 下，z-統計量服從標準常態分佈 \(N(0, 1)\)。

t-檢定 (Student's t 分佈)

當母體標準差未知且樣本量較小時使用。t-分佈比常態分佈具有更厚的尾部，考慮了額外的不確定性。隨著 df 的增加，t-分佈趨近於標準常態分佈。

卡方檢定 (χ² 分佈)

用於適合度檢定和類別數據的獨立性檢定。卡方分佈是右偏的，僅對非負值有定義。

F-檢定 (F 分佈)

用於 ANOVA（變異數分析）和比較變異數。F-分佈需要兩個自由度參數（分子和分母），且僅對非負值有定義。

單尾 vs 雙尾檢定

常用顯著性水準

關於 p值的常見誤解

• 誤解：「p = 0.03 意味著 H₀ 為真的機率只有 3%。」 現實： p值是在假設 H₀ 為真的前提下觀察到該數據的機率，而不是 H₀ 為真的機率。
• 誤解：「更小的 p值意味著更大的效應。」 現實： p值取決於效應量和樣本量。如果有足夠大的樣本，微小的效應也可以產生非常小的 p值。
• 誤解：「p > 0.05 意味著沒有效應。」 現實： 未能拒絕 H₀ 並不證明 H₀ 是真的。它只是意味著證據不足以在所選水準下拒絕它。
• 誤解：「不同研究之間的 p值可以直接比較。」 現實： 來自具有不同設計、樣本量和母體的不同研究的 p值不具備直接可比性。

常見問題解答

什麼是 p值？

p值是在假設虛無假設為真的情況下，獲得與觀察到的統計量至少一樣極端的檢定統計量的機率。它量化了反對虛無假設的證據強度。較小的 p值表示反對 H₀ 的證據越強。

單尾檢定和雙尾檢定有什麼區別？

雙尾檢定檢查兩個方向（大於或小於預期）的效應，而單尾檢定僅檢查一個方向。雙尾檢定較為保守。僅當您在收集數據前具有強烈的方向性假設時，才使用單尾檢定。

我應該什麼時候使用 z-檢定與 t-檢定？

當您知道母體標準差或樣本量較大 (n > 30) 時，請使用 z-檢定，因為抽樣分佈近似於常態分佈。當母體標準差未知且樣本量較小時，請使用 t-檢定，因為 t-分佈通過較厚的尾部考慮了額外的不確定性。

p值小於 0.05 意味著什麼？

p值小於 0.05 意味著如果虛無假設為真，觀察到該數據（或更極端數據）的機率小於 5%。按照慣例，這被認為具有統計顯著性，導致研究人員拒絕虛無假設。然而，統計顯著性並不一定意味著實際顯著性。

卡方檢定用於什麼？

卡方檢定用於檢定類別變數之間的關係（獨立性檢定）以及檢定觀察頻率是否符合預期頻率（適合度檢定）。它使用取決於自由度的右偏分佈。