执着有道，三步总结P值的正确打开方式

统计学家：“请问，您算过P值吗？”

临床医生：“是的，我用了多类别逻辑回归（multinomial logistic regression）

统计学家：“真的吗？您是怎样想到用这个方法的？”

临床医生：“我在SPSS软件的menu中试过了各种分析，这种方法给出的P值最小。”（我真是一个机智的少年啊）

P值几乎是所有临床同志苦苦追求的一大人生指标啊。P值没意义，意味着还要继续扩大样本，将数据重新分析（结论追求阴性的除外）。所以，我们当然对P值是相当执着了。但是，不少人由于对P值的使用存在一些盲点或者误区，经常浪费了不少时间和精力。于是，我今天特意上Graphpad官网上查了一下P值的使用要点，总结如下，希望能帮助大家对P值执着有道，事半功倍。（快夸夸我吧(*￣)￣））

正确选择统计方法（非常重要）

首先，在对取得的研究数据进行统计分析之前，我们应该提前规划好采用哪种统计学方法。相信大家都学过各种t检验，方差分析，卡方检验等等，在分析数据的时候，这些知识就派上用场啦！

千万不要在软件中将每一种统计方法通通试一遍，哪种方法给的P值最小就用哪种方法哦，这种没有思路的盲目分析不仅浪费时间精力，从一开始就注定夭折（你们这样注定是不会有好结局的）。

至于具体何时用哪种统计方法，东西太多啦！我就举个小栗子吧。如下图，在分析两组或多组独立样本数据差异性的时候，Graphpad Prism软件里有t检验（两组独立样本）和单因素方差分析（三组或三组以上），这就是两种很常用的统计方法呢（我也经常用呢(*￣)￣））。

数据预处理

知道用哪种统计方法以后，我们还需要知道到底哪些数据是能用的。比如，某个数据和其它数据相比显得异常之大或异常之小，我们就要考虑会不会是实验误差导致的错误数据。如下图，Group A中有一个异常大的数据，分析时如果选中这个数据，然后在“Edit”中或者右键选择“Exclude Values”，即可将异常数据排除于统计之外。

P值本身

你讲的也不难嘛，我都知道的啦！

别急，且看下面这两点你知道吗？

面对好不容易得到的实验数据，无论怎样筛选也得不到统计学上的显著意义，即使很抓狂，还是不甘心，于是就继续扩大样本再来分析，还不行就一直重复实验，得到新的数据重新分析（确信你是执着的了→_→）。好吧，当你这样做了很长时间，就算最终得到了足够小的P值，也是不能用的，因为这种方法可以让每个实验最终都能达到有统计学意义，且不论我们的无效假设（就是没有差异）是不是对的，重点要把握的就是你执着了多久。

此外，在设计了多个亚组的实验中，单独进行两两比较会存在一个所谓的“假阳性错误”，也叫“I类错误”。

举个例子（略有点复杂→_→），随机将病人按照心室是否正常收缩分为两组，再分别按照一根、两根、三根冠状动脉发生病变分为三组，这样得到六组对象，经治疗后比较各组之间生存情况。在六组单独比较的结果中只有一组出现了P值小于0.05的情况。注意啦！这个时候这个P值是没有意义的，因为此时有26%（1/6）的可能可以出现P值小于0.05，无论原来的无效假设是不是正确的。咦？那这时候该怎么办呢？不急，这时候我们应该换一种统计方法，把t检验换成方差分析就好啦。参见下图（数据纯属编造，不要当真(*￣)￣））。

好了，以上就是我今天给大家带来的三步总结P值的正确打开方式，其实大概是我平时处理实验数据的时候太过于关注P值了，浪费了不少脑细胞，希望大家继续努力做实验，对P值执着有道，事半功倍！大家有什么关于P值的故事或者想法欢迎一起分享哟(*^▽^*)！

参考资料：

H. J. Motulsky,GraphPad Statistics Guide.  Accessed 5 March 2016. 

https://www.graphpad.com/guides/prism/7/statistics/index.htm?stat_multiple_comparisons_traps.htm

---