P-hodnota: co znamená a jak ji správně interpretovat

P-hodnota je klíčovým výstupem statistického testování hypotéz. Vyjadřuje pravděpodobnost, že bychom za platnosti nulové hypotézy pozorovali výsledek stejně extrémní, nebo ještě extrémnější než ten naměřený. Čím je menší, tím silnější důkaz data poskytují proti nulové hypotéze.

Naměřenou p-hodnotu porovnáváme se zvolenou hladinou významnosti (nejčastěji α = 0,05). Platí:

• p < α – výsledek je statisticky významný, nulovou hypotézu zamítáme,
• p ≥ α – nulovou hypotézu nezamítáme (což ovšem není důkaz, že platí).

Co p-hodnota neříká

P-hodnota patří k nejčastěji misinterpretovaným pojmům ve vědecké praxi. Pozor na tři rozšířené omyly:

• p-hodnota není pravděpodobnost, že nulová hypotéza platí – vyčísluje vzácnost dat za jejího předpokladu, ne pravdivost hypotézy samotné,
• p-hodnota není pravděpodobnost, že výsledek vznikl náhodou,
• statistická významnost neznamená věcnou důležitost – u velkých souborů vyjde „významně" i nepatrný, prakticky bezvýznamný rozdíl. Proto se vedle p-hodnoty reportuje i velikost účinku.

Příklad interpretace p-hodnoty

Porovnáváte krevní tlak dvou skupin pacientů (s léčbou a bez ní) pomocí t-testu. Test vrátí p = 0,03. Interpretace: pokud by léčba ve skutečnosti neměla žádný účinek (nulová hypotéza), takto výrazný nebo výraznější rozdíl mezi skupinami bychom pozorovali jen ve 3 % případů. Protože 0,03 < 0,05, rozdíl označíme za statisticky významný – a doplníme velikost účinku, aby čtenář viděl, zda je rozdíl i klinicky podstatný.

P-hodnota v Excelu

# p-hodnota dvouvýběrového t-testu
# (hodnoty skupin v oblastech A1:A30 a B1:B30)
=T.TEST(A1:A30; B1:B30; 2; 2)

P-hodnota v jazyce R

# dvouvýběrový t-test
t.test(skupina_a, skupina_b)

# p-hodnotu najdete ve výstupu jako „p-value"
# samostatně: t.test(skupina_a, skupina_b)$p.value

Jak zvolit správný test, nastavit hladinu významnosti a reportovat p-hodnotu s velikostí účinku tak, aby obstála u recenzenta, učíme na kurzech Statistika I v R a Statistika v JASP.