【1047】P>0.05，本身就是没意义还是样本量不够？
统计学就是“放屁”，就是在我们科学研究结果后面放上1个P值，根据这个P值的大小来判断研究因素到底有效无效。
然而，很多的时候，我们得到P>0.05，犹如晴空霹雳，天空暗淡了许多。其实大可不必，或许还有转机，也许真正是有差异的，只不过是您的样本量不够导致的呢？
精鼎46期SPSS统计软件实战训练营（北京站）
（详情点击）
下表为松哥虚构的例子，研究血型和性别对身高的影响，结果发现不同性别的F=158.658，对应P=0.00，说明性别对身高是有影响的。
然而血型检验的F=0.677，P=0.610，说明血型对身高没有影响，基于专业好像也是这么道理。
检验效能，又称假设检验的功效(power of a test)，用1-β表示，其意义是，当所研究的总体与H0确有差别时，按照检验水准α能够发现它(拒绝H0)的概率。
若1-β=0.90，则意味着当H0不成立时，理论上在100次抽样实验中，在α检验水准上平均有90次能拒绝H0。
上表分析中，性别对应的检验效能（实测幂）=1.00，意思是如果不同性别的身高是有差异的，本次能够发现差异的能力为100%，那就是结果杠杠滴！
而血型对应的检验效能=0.214，即如果不同血型身高是有差异的，本次发现这种差异的能力为21.4%。实在是低呀。有可能是样本量不足，没能发现。
检验效能受4方面因素影响：总体差别大小；检验水准（α）大小；标准差大小；样本量的大小。
统计思维与统计理论系列[1]
【1046】两因素方差分析，如何判断哪个因素对结果影响较大？
【1037】SCI论文中Logistic回归模型“门当户对”原则，松哥心得推荐给您
【1030】没有比较就没有伤害，让咱们互相伤害吧，教你4大类统计伤害方法
【1019】方差分析P>0.05，两两比较LSD法P<0.05，这可咋整？
【1018】倾向性评分后数据，应该采用配对设计还是成组设计？
【1003】连续变量变成等级变量后，原来有意义的变量变得没意义了？
【1001】SCI论文中的P for trend是什么鬼？为什么高分文章经常采用呢
原创不易，如果可以，点击底部广告5秒！
---我创作，您阅读，广告商买单---
精鼎原创，欢迎转发，未经允许，谢绝转载！