为什么p值越小，越倾向于拒绝原假设？

在统计假设检验（如ADF检验、t检验、F检验等）中，p值（p-value） 是用来衡量 反对原假设（H₀）的证据强度 的指标。p值越小，说明数据与原假设的矛盾越大，因此我们越有理由拒绝原假设。

---

1. p值的定义

p值 表示：
在原假设（H₀）成立的前提下，当前观测到的样本结果（或更极端结果）出现的概率。
数学表达：

p=P(观测到当前数据或更极端数据∣H0为真)

p值小：当前数据在原假设下 极不可能发生，说明原假设可能不成立。

p值大：当前数据在原假设下 较可能发生，没有足够证据拒绝原假设。

---

2. p值与显著性水平（α）的关系

在假设检验中，我们设定一个 显著性水平（α）（通常为 0.05、0.01 或 0.10），作为拒绝原假设的临界标准：

如果 p ≤ α：拒绝原假设（H₀），认为 备择假设（H₁）更可信。

如果 p > α：不拒绝原假设（H₀），但 不意味着H₀一定正确，只是证据不足。

举例（ADF检验）：

原假设（H₀）：序列 非平稳（存在单位根）。

备择假设（H₁）：序列 平稳（无单位根）。

如果 p = 0.01 < 0.05，拒绝H₀，认为序列平稳。

如果 p = 0.30 > 0.05，不拒绝H₀，认为序列可能非平稳。

---

3. 为什么p值越小，越拒绝H₀？

（1）p值反映“数据与原假设的冲突程度”

p值很小（如0.001）：
意味着 如果H₀是真的，当前数据出现的概率极低（0.1%），说明数据与原假设严重不符，更支持H₁。

p值较大（如0.50）：
意味着 即使H₀是真的，当前数据也很可能出现（50%），没有足够证据反对H₀。

（2）统计决策的逻辑

假设检验的决策逻辑类似于 “无罪推定”：

原假设（H₀）：默认假设（如“无罪”或“非平稳”）。

备择假设（H₁）：需要证据支持的结论（如“有罪”或“平稳”）。

p值：类似于“证据强度”，p值越小，证据越强，越有理由推翻H₀。

---

4. 常见误区

（1）p值 ≠ H₀为真的概率

p值计算 基于H₀为真的假设，而不是H₀本身的概率。

p值低 仅说明数据与H₀矛盾，不直接证明H₁为真（需结合其他分析）。

（2）不拒绝H₀ ≠ 接受H₀

如果 p > α，只能说明 证据不足，不能直接认定H₀正确（可能样本量不足或检验方法不合适）。

（3）p值受样本量影响

大样本：即使微小差异也可能导致p值显著（如p < 0.001），但不一定具有实际意义。

小样本：即使真实效应存在，p值也可能不显著（如p > 0.05）。

---

5. 总结

p值范围	统计决策	含义
p ≤ α（如0.05）	拒绝H₀	数据与原假设矛盾，支持备择假设
p > α	不拒绝H₀	数据与原假设一致（但H₀未必正确）

核心结论：

p值越小，反对H₀的证据越强，因此越倾向于拒绝H₀。

但p值只是统计工具，需结合 经济意义、样本量、模型设定 综合判断。