如何在Excel中计算P值

一开始， p 值背后的理论和原假设可能看起来很复杂，但是了解这些概念将有助于您浏览统计领域。不幸的是，这些术语在流行科学中经常被滥用，因此对每个人了解基本知识都将是有用的。

另请参阅我们的文章如何在Excel中删除其他所有行

使用MS Excel，计算模型的 p 值和证明/证明原假设非常简单。有两种方法可以做到，我们将同时介绍这两种方法。让我们深入。

零假设和 p 值

零假设是一种陈述，也称为默认位置，该陈述声称观察到的现象之间的关系不存在。它也可以应用于两个观察到的组之间的关联。在研究过程中，您将检验该假设并尝试反证。

例如，假设您想观察某种时尚饮食是否有明显效果。在这种情况下，零假设是在节食前后，受测者的体重没有显着差异。另一种假设是饮食确实有所作为。这就是研究人员试图证明的。

p 值表示当某个统计模型的原假设为真时，统计摘要等于或大于观察值的机会。尽管通常将其表示为十进制数，但通常最好将其表示为百分比。例如， p 值0.1应该表示为10％。

p 值低意味着反对原假设的证据很强。这进一步意味着您的数据非常重要。另一方面，高 p 值意味着没有强有力的证据反对该假设。为了证明时尚饮食有效，研究人员需要找到一个低 p 值。

如果无效假设为真，则具有统计学意义的结果是极不可能发生的结果。显着性水平用希腊字母alpha表示，并且必须大于 p 值，结果才具有统计显着性。

许多领域的研究人员都使用 p 值来更好，更深入地了解正在使用的数据。一些突出的领域包括社会学，刑事司法，心理学，金融和经济学。

您可以通过T-Test函数或使用数据分析工具在MS Excel中找到数据集的 p 值。首先，我们将研究T测试功能。我们将检查五名接受30天饮食的大学生。我们将比较他们在饮食前后的体重。

注意：出于本文的目的，我们将使用MS Excel2010。尽管它不是最新版本，但这些步骤通常也应适用于较新的版本。

请按照以下步骤使用T-Test函数计算 p 值。

创建并填充表。我们的表如下所示：
单击表外的任何单元格。
输入：= T.Test（。
在方括号之后，键入第一个参数。在此示例中，它是“节食前”列。范围应为B2：B6。到目前为止，该函数如下所示：T.Test（B2：B6。
接下来，我们将输入第二个参数。 After Diet栏及其结果是我们的第二个论点，我们需要的范围是C2：C6。让我们将其添加到公式中：T.Test（B2：B6，C2：C6。
在第二个参数后面输入逗号，单尾分布和两尾分布选项将自动出现在下拉菜单中。让我们选择第一个-单尾分布。双击它。
输入另一个逗号。
在下一个下拉菜单中双击“配对”选项。
现在您已经拥有了所需的所有元素，请关闭括号。此示例的公式如下所示：= T.Test（B2：B6，C2：C6, 1, 1）
按Enter键。单元格将立即显示 p 值。在我们的情况下，值为0.133906或13.3906％。

高于5％时，此 p 值无法提供针对原假设的有力证据。在我们的例子中，研究没有证明节食可以帮助测试对象减轻体重。这并不一定意味着原假设是正确的，只是尚未被证实。

数据分析工具使您可以做很多很酷的事情，包括 p 值计算。为简化起见，我们将使用与先前方法相同的表。

这是完成的过程。

如您所见，单尾 p 值与第一种情况相同-0.133905569。由于它高于0.05，因此原假设适用于此表，而针对它的证据很薄弱。

以下是有关Excel中 p 值计算的一些有用提示。

如果 p 值等于0.05（5％），则表中的数据很重要。如果小于0.05（5％），则您拥有的数据非常重要。
如果 p 值大于0.1（10％），则表中的数据不重要。如果它在0.05-0.10范围内，则您具有重要的数据。
您可以更改Alpha值，尽管最常见的选项是0.05（5％）和0.10（10％）。
根据您的假设，选择双尾检验可能是更好的选择。在上面的示例中，单尾测试意味着我们探索被测者节食后是否减肥，而这正是我们需要找出的。但是，两尾检验也将检查它们是否获得了统计学上显着的体重。
p 值无法识别变量。换句话说，如果它确定了相关性，就无法确定其背后的原因。