P值与significant（显著性）的理解

    P值可以理解为结论的风险大小，也就是根据数据得出的结果有多大的错误风险，P值越小，结论错误的风险越小，即结论越可靠。P值越大，错误的风险越大，即结论的可靠性差。实际上significant的含义应该是“非偶然的”，当根据样本资料所得结果是significant，实际上表明这一结果“不是偶然”得到的，更可能是真实存在这样一种结果。
关于P值的理解

        P值可以理解为结论的风险大小，也就是根据数据得出的结果有多大的错误风险，P值越小，结论错误的风险越小，即结论越可靠。P值越大，错误的风险越大，即结论的可靠性差。P值是对已有结果的错误风险判断，与结果大小无关。目前不少医学杂志上仍然存在着关于P值的不规范用语，如P≤0.05认为“差异显著”，P≤0.01认为“差异非常显著”等，将P值大小与实际差异大小联系起来，这是医学工作者值得注意的地方。

统计学中普遍以0.05作为假设检验的检验水准，这在当年手工计算的时代无疑是十分方便的。但到了计算机发达的今天，我们已经可以很轻松地计算出确切的P值，仅以P≤0.05认为有统计学意义已经不符合潮流了。P值等于0.049和等于0.051有什么差别呢？无非就是0.049比0.051多了0.2%支持结论的证据，但是少了这0.2%的证据难道就没有意义了吗？因此发表文章时不要仅仅给出“P≤0.05”，最好给出确切的P值，以给读者更多的信息。

关于significant的理解

以往教材通常将significant译为“显著的”，这一词很容易让人将其与实际差别大小联系起来。实际上significant的含义应该是“非偶然的”，当根据样本资料所得结果是significant，实际上表明这一结果“不是偶然”得到的，更可能是真实存在这样一种结果。如显著性水准设为0.05，则P≤0.05表示根据样本数据计算的统计量只有不到5%的可能是偶然造成的，反过来就是说，计算的统计量不大可能是偶然造成的，而更有可能是真实的情况。