p 值计算器

什么是 p 值计算器？

p 值计算器是在你已经得到检验统计量之后，用来快速判断这个结果有多“罕见”的统计工具。假设检验中通常先假设原假设成立，再用 p 值表示观察到当前结果或更极端结果的概率。p 值越小，一般表示当前数据与原假设越不一致。

在实际工作中，报告或论文里往往更常出现 p 值，而不是统计量本身。但同一个统计量在正态分布(Z)还是 t 分布、单侧还是双侧检验的前提下，结果都会不同，因此必须连同条件一起看。本工具把这些条件集中在同一页面，帮助减少解读错误。

适合这些场景

当你已经通过统计软件、论文表格或手工计算得到 Z 统计量或 t 统计量，并需要快速复核 p 值时，这个工具会很有帮助。尤其适合在调整检验方向或重新应用自由度后，比较结果变化的幅度。

例如考试分数差异检验、实验组与对照组平均值比较、Welch t 检验、回归系数检验等场景，若只拿到统计量和自由度，就很适合用它进行即时确认。无论是课程作业、阅读论文、数据分析复核，还是写报告前的交叉检查，都能派上用场。

• 课程与作业复核 – 把手算得到的 t 值或 Z 值重新换算成 p 值确认
• 阅读论文表格 – 直接输入论文中给出的统计量与自由度，重新核对显著性
• 检查分析报告 – 在开会前快速比较单侧与双侧结果的差异
• 数据实务 – 即使没有统计软件，也能立刻解读回归或均值比较结果

主要功能

本工具不只是给出一个 p 值数字，还会同时展示使用了哪一侧的尾部概率，以及在不同显著性水平下的判断结果。重点是让你从输入统计量到整理报告结论之间的流程尽量不中断。

你可以在正态分布(Z)与 t 分布之间切换，并立即比较左尾单侧、右尾单侧与双侧检验的差异。同时也能直接输入 α，查看在当前标准下是否显著，以及在常见的 0.10、0.05、0.01 阈值下会得到什么判断。

• Z / t 模式切换 – 按统计量类型切换到对应分布并立即计算
• 支持单侧与双侧检验 – 立即比较左尾、右尾与双侧的 p 值
• 输入自由度 – 在 t 分布模式下结合 df 计算更准确的 p 值
• 显著性水平比较卡片 – 一眼查看 0.10、0.05、0.01 三档阈值下的判断
• 复制结果 – 提供便于粘贴到报告或消息中的摘要句

使用方法

先选择你要使用的检验统计量是 Z 还是 t，再选择检验方向。然后输入统计量数值；如果使用 t 分布，还要同时输入自由度。最后填入当前采用的显著性水平 α，p 值与判断就会立即更新。

双侧检验会把较小的一侧尾部概率乘以 2，而单侧检验只使用你选择方向的尾部概率。如果你正在看的是回归系数检验或均值比较，且结果表中没有明确说明方向，那么最好先确认报告或作业要求的是单侧还是双侧，再进行输入。

1. 选择分布 – 若统计量是 Z，就选正态分布(Z)；若是 t 统计量，就选 t 分布。
2. 选择检验方向 – 在左尾单侧、右尾单侧与双侧之间，选择符合当前假设的方向。
3. 输入统计量 – 输入已经计算好的 z 或 t 值。
4. 输入自由度与 α – 若使用 t 分布，请输入自由度，并设置当前用于判断的 α。
5. 查看结果 – 结合上方结果卡片中的 p 值、下方比较卡片与汇总表一起解读。

计算方式与阅读重点

Z 模式使用标准正态分布累计分布函数 Φ(z)。左尾单侧直接把 Φ(z) 当作 p 值，右尾单侧则使用 1 – Φ(z)。双侧检验会把较小的尾部概率乘以 2，以反映左右任一方向同等程度的极端性。

t 模式会结合自由度来计算 Student’s t 分布的累计概率。自由度越小，尾部越厚，因此在相同统计量下，p 值往往会比正态分布更大。所以当样本较小或总体标准差未知时，不要简单用 Z 来代替，最好按 t 分布重新确认。

p 值并不等于“原假设为真的概率”。它表示的是在当前统计量或更极端结果出现时，被观察到的概率。因此，样本设计、多重比较、事后假设设定等解读问题仍需单独考虑。如果还需要先确认基础统计量，可以配合使用 Z-score 计算器、标准差计算器 和 平均值计算器。

常见问题