本文参考自《Am J Gastroenterol》（影响因子：9.566）上的一篇文章《Ten common statistical errors and how to avoid them》[1]。第一期和第二期分别推送了“论文中研究方法和结论的常见问题”以及“统计分析数据时的几大常见错误”，今天，我们再来看看P值运用的常见问题。

1、P>0.05不等于“两组相同”

组间比较通常会有三种结果：两组可能相同、两组可能不同、缺少证据来证明两组相同或者不同。大多数的假设检验以零假设开始，如果证据充足，可以拒绝零假设并发现差异；然而，如果没能发现差异，可能依旧无法得知两组是相同，还是由于缺乏证据而无法证明它们有差异。

【建议】当P>0.05时，要避免得出“两组是相同的”这一结论，而应该是：“没有证据显示两组有差异”。如果研究目的是为了得出“两组一样”的结论，那需要进行等效性检验，或者是计算置信区间。与假设检验相比，置信区间能提供更为清楚的结果。

在非劣效性研究中，并不是以“两组相同”（例如不良反应发生率相等）作为零假设，而是以“治疗组的不良反应发生率比对照组高5%”作为零假设，若拒绝零假设，则认为治疗组与对照组的不良反应发生率的差值不超过5%。

2、仅报告P值，缺乏其他重要信息

“与安慰剂组相比，治疗组更容易发生不良反应（P=0.04）”。在该例子中，P值的含义是什么？针对哪一种不良反应？是将所有不良反应作为整体进行了比较？还是分别对每一种不良反应进行了比较？作者是对不良反应的数量、中位数还是不良反应的构成比进行了比较？

类似上述这种P值，由于不明确用了什么假设以及使用的数据类型，因此并不具备实际意义。