企业邮箱
|
|
第五节 显著性检验与显著性水准
作者：徐荣祥 出书社：中国科学技术出书社 刊行日期：2009年7月显著性检验又称假设检验（hypothesis testing） 。假设检验是统计学推断的另一个领域 ，其应用非常广泛 。医学研究中经常比力两组或各组数据均数(或百分率)的差异在统计学上是否有显著意义 。这种检验要领称“显著性检验” 。由于客观上存在着生物学差异及抽样差异 ，所以在比力两组均数(或百分率)时就不能只看到两组数值上的差异 ，而要分析这种差异是否基本上凌驾了生物差异及抽样差异的范围 ，是否反映两组（或多组）总体均数存在着差异 。检验的目的是计算由于偶然因素的机遇影响 ，泛起这种差异的可能性有多大 。
假设有两种：一种是检验假设（也称无效假设） ，符号为H0；一种是备选假设 ，符号为H1 。H1和H0是相联系的、对立的假设 。例如 ，为了检验两个总体均数是否相等 ，通常认为 ，H0为两个总体均数相等（μ1= μ2） ，即两组处置效果无差异；H1为两个总体均数不相等（μ1≠μ2） ，即两组处置效果有差异 。
凭据统计学的步骤 ，应先做出“无效假设” ，即假设两组资料实际上来自同一总体 ，目前的差异只不外是抽样误差所引起的 。然后凭据两组样本的实测数据和例数（样本数） ，计算出上述“无效假设”的可能性有多大？如果这种可能性小于5%(或l%) ，就可以认为两组数据来自同一总体的可能性很小 ，可以否认“无效假设” ，而认可两组均数的差异在统计学上有显著(或非常显著)统计学意义 。统计学上认为 ，由抽样误差引起的差异是非本质性的 ，是没有意义的；由于实验因素引起的差异才是本质性的 ，才是有意义的 。统计学把前者称为“不显著” ，把后者称“显著” 。
现举例说明 ，无效假设就是实验前先假设给予的条件（如药物、治疗要领等）不起作用 ，即实验组给甲药治疗与对照组给乙药治疗的疗效一样 ，样原来自同一个总体 。最后将实验结果进行统计学处置 ，如两组实验结果无差异 ，即接受无效假设 ，两组的差异是抽样造成的；如两组实验结果有差异 ，即拒绝无效假设 ，接受备选假设 ，认为两组数值之差代表着几个规律不相同的总体（一个为给予条件的总体 ，一个为对照的总体） 。这就是统计学处置的依据 。
二、显著性水准
凭据医学统计学的统传规定：P=001及P=005为“显著性水准” ，并作为判断显著意义的尺度 。P值也可通俗地理解为“批(P)驳两组差异有统计意义的可能性” 。
P≤001 ，批(P)驳的可能性小于或即是1% ，即认可两组间差异有统计意义的可能性大于或即是99% 。此时可作统计结论认为：“两组间差异有非常显著的意义” 。
P≤005(即001＜P≤005) ，批(P)驳的可能性小于或即是5% ，说明有95%以上的概率可认为两组不是来自同一总体 ，结论为：两组间差异有显著意义 。
P＞005 ，批(p)驳的可能性大于5% ，说明两组均数尽管差异 ，但该差异来自抽样误差的概率大于5% ，结论为：两组间差异无显著意义 。
两组间差异不显著说明两数值之差可能都是由抽样误差引起的；差异显著说明两数值之差可由抽样引起的可能性即是或小于5% ，两组之差很可能代表了两个规律差异的总体；差异非常显著说明两数值来自一个总体的可能性即是或小于1% ，更有可能来自同一总体 。
三、统计结论与专业结论
“有显著意义”是个统计结论 ，体现统计推断(否认无效假设)的可靠水平 ，说明两组总体很可能差异 ，但不能说明差异的巨细 ，更不能说明差异之间有任何因果关系 。“无显著意义”是说明凭据现有数据尚不足于否认无效假设 ，并不是说没有差异 ，更不能说两组基底细同 。
在作专业结论时除了考虑统计结论外 ，还要结合专业知识全面考虑 ，不能做出脱离实际或脱离本题的结论 。例如 ，两组尿量每日只差100mL ，或血压只差0667kPa（5mmHg） ，这时即使统计结果差异有显著意义 。实际上 ，这点细微差异并非有临床价值 ，不应做出有利尿作用或降压作用的专业结论 。再如 ，甲组创面的愈合时间为125±27天 ，乙组创面的愈合时间为132±30天 ，看起来甲组的愈合时间似乎比乙组提前了接近一天 ，即使有显著意义但无临床意义 ，因为创面的愈合是以昼夜整天为单元计算的 。