什么是统计显著性(statistical significance)？

统计显著性是分析员的一种判断，即数据中的结果不能仅凭偶然性来解释。统计假设检验是分析者做出这种判断的方法。这个测试提供了一个p值，它是观察结果的概率，与数据中的结果一样极端，假设结果确实是由于偶然因素造成的。5%或更低的p值通常被认为具有统计意义。

关键要点

• 统计显著性是确定两个或多个变量之间的关系不是由偶然因素引起的。
• 统计显著性被用来提供关于无效假设合理性的证据，该假设假设数据中只存在随机的工作机会。
• 统计假设检验用于确定数据集的结果是否具有统计显著性。

1:26

统计显著性

了解统计意义

统计显著性是对零假设的一种确定，它假设结果仅仅是由于偶然性造成的。当p值足够小时，数据集提供统计意义。

当p值较大时，数据中的结果仅凭偶然性就可以解释，并且数据被认为与零假设一致（但不能证明）。

当p值足够小（例如，5%或更少）时，仅凭偶然性很难解释结果，数据被认为与零假设不一致；在这种情况下，零假设的机会单独作为解释的数据被拒绝，而赞成更系统的解释。

统计显著性通常用于新药试验、疫苗测试、病理学研究中的有效性测试，并告知投资者公司在发布新产品方面的成功程度。

统计显著性示例

假设金融分析师JoeSample对一些投资者是否事先知道一家公司的突然破产感到好奇。乔决定比较公司倒闭前和倒闭后的平均每日市场回报率，看看这两个平均值之间是否存在统计上的显著差异。

这项研究的p值为28%（>5%），表明在仅凭偶然性的解释下，与观察值（-0.0033到+0.0007）一样大的差异并不罕见。因此，这些数据并不能提供令人信服的证据来证明对故障的预先了解。另一方面，如果p值为0.01%（远小于5%），那么在仅凭偶然性的解释下，观察到的差异将非常不寻常。在这种情况下，乔可能会决定拒绝零假设，并进一步调查是否有一些交易者事先知情。

统计显著性也用于测试新的医疗产品，包括药物、器械和疫苗。具有统计意义的公开报告还可以让投资者了解公司在发布新产品方面的成功程度。

例如，诺和诺德（Novo Nordisk），一家糖尿病药物的制药领导者，报告说，当它测试新的胰岛素时，1型糖尿病的发病率在统计学上显著降低。该测试包括26周的糖尿病患者随机治疗，数据显示p值小于5%。这对投资者和监管机构来说意味着数据显示1型糖尿病在统计学上显著减少。 制药公司的股票价格往往受到其新产品的统计显著性公告的强烈影响。

常见问题

如何确定统计显著性？

统计假设检验用于确定数据是否具有统计显著性。换言之，它可以解释为一个单独的副产品的机会。统计显著性是对零假设的一种判定，它假定结果仅仅是由于偶然性。为了使数据具有统计显著性，需要拒绝无效假设。

什么是p值(p-value)？

p值是对观察到的差异可能只是随机发生的概率的度量。当p值足够小（例如，5%或更少）时，仅凭偶然性很难解释结果，并且可以拒绝无效假设。当p值较大时，数据中的结果仅凭偶然性就可以解释，数据被认为与零假设一致（但不能证明）。

如何使用统计显著性？

统计显著性通常用于测试新医疗产品的有效性，包括药物、器械和疫苗。具有统计意义的公开报告还可以让投资者了解公司在发布新产品方面的成功程度。制药公司的股票价格往往受到其新产品的统计显著性公告的强烈影响。