ต่อไปนี้เป็นวิธีตีความค่า p 0.000

เมื่อคุณทำการทดสอบทางสถิติ ไม่ว่าจะเป็นการทดสอบไคสแควร์ การทดสอบค่าเฉลี่ยประชากร การทดสอบสัดส่วนประชากร การถดถอยเชิงเส้น หรือการทดสอบอื่นๆ คุณมักจะสนใจผลลัพธ์ของค่า p ของการทดลองนี้

ค่า p เพียงแต่บอกคุณถึงความแข็งแกร่งของหลักฐานที่สนับสนุนสมมติฐานว่าง

หากค่า p น้อยกว่าระดับนัยสำคัญ เราจะปฏิเสธสมมติฐานว่าง

ดังนั้นเมื่อคุณได้ค่า p เท่ากับ 0.000 คุณต้องเปรียบเทียบกับระดับนัยสำคัญ ระดับนัยสำคัญทั่วไป ได้แก่ 0.1, 0.05 และ 0.01

เนื่องจาก 0.000 น้อยกว่าระดับนัยสำคัญทั้งหมดนี้ เราจึงปฏิเสธสมมติฐานว่างในแต่ละกรณี

มาดูตัวอย่างเพื่อทำให้สิ่งต่าง ๆ ชัดเจนยิ่งขึ้น

ตัวอย่าง: รับค่า P 0.000

โรงงานแห่งหนึ่งอ้างว่าผลิตยางแต่ละเส้นหนัก 200 ปอนด์

ผู้ตรวจสอบเข้ามาและทดสอบสมมติฐานว่างที่ว่าน้ำหนักยางเฉลี่ยอยู่ที่ 200 ปอนด์ เทียบกับสมมติฐานทางเลือกที่ว่าน้ำหนักยางเฉลี่ยไม่ใช่ 200 ปอนด์ โดยใช้ค่านัยสำคัญระดับ 0.05

สมมติฐานว่าง (H0): μ = 200

สมมติฐานทางเลือก: (ฮา): μ ≠ 200

เมื่อทดสอบสมมติฐานเพื่อหาค่าเฉลี่ย ผู้ตรวจสอบบัญชีจะได้รับค่า p เท่ากับ 0.000

เนื่องจากค่า p 0.000 น้อยกว่าระดับนัยสำคัญที่ 0.05 ผู้ตรวจสอบบัญชีจึงปฏิเสธสมมติฐานว่าง

ดังนั้น เขาจึงสรุปว่ามีหลักฐานเพียงพอที่จะยืนยันว่าน้ำหนักเฉลี่ยที่แท้จริงของยางไม่ใช่ 200 ปอนด์

ค่า P 0.000 หมายถึงอะไร

ไม่ว่าคุณจะใช้ Microsoft Excel, เครื่องคิดเลข TI-84, SPSS หรือซอฟต์แวร์อื่นๆ ในการคำนวณค่า p ของการทดสอบทางสถิติ ค่า p มักจะไม่เท่ากับ 0.000 พอดี แต่จะมีค่าน้อยมาก เช่น 0, 000000000023

อย่างไรก็ตาม ซอฟต์แวร์ส่วนใหญ่แสดงทศนิยมสามตำแหน่งเท่านั้น ซึ่งเป็นสาเหตุที่ค่า p ปรากฏเป็น 0.000

บทสรุป

หากคุณทำการทดสอบทางสถิติโดยใช้ระดับนัยสำคัญ 0.1, 0.05 หรือ 0.01 (หรือระดับนัยสำคัญใดๆ ที่มากกว่า 0.000) และได้รับค่า p เท่ากับ 0.000 ให้ปฏิเสธสมมติฐานว่าง

ที่เกี่ยวข้อง คำอธิบายค่า P และนัยสำคัญทางสถิติ