（1）一种比较有理论依据的说法是：在正态分布中，出于实际的方便，我们以偏离均值的2倍标准差作为有无统计学显著性的依据。而在正态分布中对应2倍标准差的概率是0.046, 不容易记住，因此没有取2倍标准差，而是取1.96 倍标准差，它对应的概率是0.05, 更方便记忆。这样就可以说，在20次事件中发生1 次的概率。
（2）除遵循传统习惯这一原因外，还有一个原因让我们一直在使用0.05这一界值。虽然我们可以设定界值更小（如0.01),这样可以降低假阳性率，但同时却容易增加假阴性率。这在前面我们已经提到了，这里通过一个通俗的例子再强调一遍。
1、一个例子
在审判时， 一开始法官都认为嫌疑人无罪（无效假设），然后搜集证据，看看搜集的证据能否推翻无罪的假定。假定一开始法官规定，只要找到两个证据（检验水准设为0.05), 就可以推翻无效假设，即认为嫌疑人可能是有罪的。现在为了更谨慎，把规定变得更严格了，必须找到4 个证据才能认为嫌疑人有罪（检验水准设为0.01)。
那么，在对某个嫌疑人的审判中，我们找到了3 个证据(P值0.025), 如果按原来的规定（检验水准设为0.05), 我们就可以认为嫌疑人有罪；但根据新的规定（检验水准设为0.01), 不能认为嫌疑人有罪。实际上，这就使得法官更难判处一个人有罪。如果一个人本来确实有罪，但由于新的规定过于苛刻（检验水准设得太低），以至于无法证明他有罪，这就出现了假阴性率，即本来是有罪的，却无法做出有罪的结论。
因此，如果我们把检验水准设得过低，虽然可以更大限度地减少假阳性错误，但同时提高了假阴性的可能。所以我们目前仍以0.05 作为检验水准，而不是一味地在一个方向上降低。
2、继续讲讲粗糙的统计学
不管当初0.05 是如何确定的，我们始终在沿用这一值。目前在科研领域有不少人奉P=0.05 为经典，一旦发现P 值等于0.052 之类的，感觉天都要塌了。事实上P 值只是一种概率或者可能性，不会有杂志因为你的P值等于0.052 而拒绝承认你的结论。
事实上， P值跟差别大小没什么关系，而是跟样本大小更有关。
大样本结果出现0.05，数据才更加可信！
网友评论