p值（p-value）是统计学中用于衡量样本数据与原假设（H₀）不一致程度的关键指标，其数值越小，表示数据越不支持原假设，通常当p值小于预设显著性水平（如0.05）时，我们认为结果具有统计学意义。 需要注意的是，p值并不代表原假设为真的概率，也不表示效应大小或实际重要性，它仅反映在假设成立下观察到当前结果（或更极端结果）的概率。在实际应用中，应结合置信区间、效应量及研究背景综合解读，避免误用或过度依赖p值进行“显著性”判断。
【常见问题】
问题1：p值小于0.05就一定能拒绝原假设吗？
回答1：p值小于0.05通常意味着在显著性水平0.05下可以拒绝原假设，但这并非绝对，因为p值受样本量、检验功效及数据质量影响，且多次比较时需校正p值以避免假阳性。
问题2：p值等于0.05时该如何处理？
回答2：p值等于0.05时处于临界值，统计上并不“显著”也不“不显著”，应报告精确p值（如p=0.050），并说明此结果可能仅接近显著，需结合效应量、置信区间及研究背景谨慎解释，而不应将其作为“得到证据”或“没有证据”的绝对分界。
问题3：p值越大表示原假设越可信吗？
回答3：p值越大，表示在假设成立的条件下观察到当前样本结果的可能性越大，但并不能直接证明原假设为真，因为p值并未考虑备择假设的正确性，且大p值可能源于样本量不足或效应微弱，仍需通过其他统计手段（如贝叶斯因子）辅助判断。