72位学者搞事情！以后P<.005才算统计显著？

同意楼上板凳童鞋的意见。

感觉这个P值应该与各个行业相关吧，像科研和生物这些精细和要求高的行业，可以定为0.005，但是作为一般的调研分析而言p值为0.05已经可以表明是否显著了

多谢楼主的分享！

王二小飞 发表于 2017-8-9 10:23
感觉这个P值应该与各个行业相关吧，像科研和生物这些精细和要求高的行业，可以定为0.005，但是作为一般的调 ...

表示赞同

常把一个要检验的假设记作H0,称为原假设（或零假设） (null hypothesis) ，与H0对立的假设记作H1，称为备择假设(alternative hypothesis) 。
⑴ 在原假设为真时，决定放弃原假设，称为第一类错误，其出现的概率通常记作α；
⑵ 在原假设不真时，决定不放弃原假设，称为第二类错误，其出现的概率通常记作β。

通常只限定犯第一类错误的最大概率α， 不考虑犯第二类错误的概率β。这样的假设 检验又称为显著性检验，概率α称为显著性水平。

最常用的α值为0.01、0.05、0.10等。一般情况下，根据研究的问题，如果放弃真假设损失大，为减少这类错误，α取值小些 ，反之，α取值大些。

当然，如果想同时降低两类错误，唯一的办法就是大幅增加样本容量。

owlskipjack 发表于 2017-8-10 09:21
常把一个要检验的假设记作H0,称为原假设（或零假设） (null hypothesis) ，与H0对立的假设记作H1，称为备择 ...

楼主说的是真理。

owlskipjack 发表于 2017-8-10 09:21
常把一个要检验的假设记作H0,称为原假设（或零假设） (null hypothesis) ，与H0对立的假设记作H1，称为备择 ...

让我想起了贾俊平版统计学上的叙述。。

owlskipjack 发表于 2017-8-10 09:21
常把一个要检验的假设记作H0,称为原假设（或零假设） (null hypothesis) ，与H0对立的假设记作H1，称为备择 ...

其实第一类和第二类错误不能同时降低，只能固定一段，来寻求犯另一错误最低。当然这是低维的假设检验，高维的还涉及稀疏估计。大样本下一般用似然比检验吧。

人文学科并不需要这么严格吧