原文链接：https://www.lianxh.cn/news/2857d6a4f4200.html
目录
编者按： 本文主要翻译自如下论文，特此致谢。
Gelman, A. and Stern, H., 2006. The Difference Between “Significant” and “Not Significant” is not Itself Statistically Significant. The American Statistician, 60(4), pp.328-331. [Link]
1. 导读
在统计分析中我们通常会对变量进行统计显著/非显著 ( Statistical Significance / Insignificance ) 的分析检验，通过 值 ( -values ) 判断显著性并按照按照统计显著性汇总比较结果，并在显著性结果与非显著性结果之间进行明显区分。但是这种方法其实有很多弊端：
- 统计上的显著并不代表具有实际意义的显著 ( Practical Significance )
比如，在研究某种药物对降低血压所产生的作用效果时，如果我们观察到在其他条件不变的情况下，使用某种药物可以降低0.1的血压，标准误为0.03。这时我们可以说它在统计上是显著的，可是由于血压一般在100左右，所有0.1这个值从实际应用的角度出发可能是不显著的；相反，如果我们观察到在其他条件不变的情况下，使用某种药物可以降低10的血压，标准误为10。我们可以说它在统计上是不显著的，可是由于血压一般在100左右，所有10这个值从实际应用的角度出发可能是显著的。
- 在结果上采用二分法 (dichotomization) 来区分显著和不显著会让我们趋向于消除观察到的客观差异，从而不拒绝原假设
还是以研究某种药物对降低血压所产生的作用效果为例，如果我们观察到在其他条件不变的情况下，使用某种药物可以降低10的血压，标准误为10。我们可以说它在统计上是不显著的，因此不拒绝原假设，直接默认这种药物对降低血压毫无效果，但事实上这种情况可能是由样本的特征或者样本量过小导致的。
除了这些比较常见的对统计显著性的批判外，Gelman & Stern (2006) 在 The American Statistician 中发表的文章还提出了另一个问题，即一组显著，一组不显著，他们之间的差异进行显著性检验得到的结果可能是不显著的。
本篇推文接下来将详细阐述 Gelman 的文章内容，通过理论和应用实例来进行说明为什么在实证分析中只观测 值，并仅仅用 值来判断实证结果并不是一个合格的分析。并会在最后给出正确认识 值的六点原则与统计显著性误用的解决办法。
原文链接：https://www.lianxh.cn/news/2857d6a4f4200.html
标签：10,二者,药物,一组,血压,显著,显著性,统计 来源： https://blog.csdn.net/arlionn/article/details/119150807
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。