在进行假设检验过程中，包括t检验，F检验，非参数检验以及卡方检验等，最后均是通过P值是否大于0.05或0.01进行评价，认为两组或多组的差异是否有统计学意义。
一般来讲，P<0.05或P<0.01，我们认为比较的两组差异有统计学意义，但是能认为P<0.05的两组差异显著，而P<0.01两组差异极其显著，这里比较P值的大小是没有意义的。在T检验中，P值是通过样本例数N，检验水平α，以及检验统计量t值计算得到的，也就是在α=0.05的情况下，计算得到的检验统计量t>tα/2,n , 进而推算的P<α=0.05，也就是说P值是与检验α水平，N相关的，而与样本之间差异的大小无关。
一个简单的例子，男性和女性总体身高肯定是存在差异的，假设我们设置检验水平α=0.05，H0：两组身高无显著差异，N=1000。进行假设检验，得到检验统计量t >t0.05/2,1000=1.96，即P<0.05，那么我们拒绝H0，认为两组在检验水平α=0.05的情况下，两组差异有统计学意义。
同样的，假设我们设置检验水平α=0.01，H0：两组身高无显著差异，N=1000。进行假设检验发现检验统计量t>t0.01/2,1000=2.58，即P<0.01，那么我们拒绝H0，认为两组在检验水平α=0.01的情况下，两组差异有统计学意义。也就是两组数据的差异就再那里不增不减，不会因为我们P值大小，差异会发生变化。因为在假设检验过程中采用了不同的检验水平，只能说我们更有把握认为男女身高有差异了。
此外，统计学差异和生物学意义也要辩证的去看待。
1：无统计学差异而有生物学意义
Α,B两组艾滋病患者采用不同的药物治疗，其中Α组1例患者被完全治愈，在统计分析上是无统计学意义的，但是却具有明显的生物学意义，你可以对这例患者进行深入的研究，或许就可以打开解救艾滋病患者的大门。
2：有统计学差异而无生物学意义
检验一组高血压患者采用药物治疗前后血压变化水平发现，药物治疗后患者血压评价降低10mmHg，两组配对t检验，差异有统计学意义，但是临床上认为降血压药物要达到15 mmHg的治疗效果才会有意义。这个问题还可以引申为有统计学意义，但不一定有实际意义。比如分析两种事件的相关性，小红在10岁的时候，门口种下了一颗小树苗，每年统计小红的身高和小树苗的高度变化，10年之后，对小红的身高和小树苗的高度进行统计发现，两者呈显著正相关，有显著的统计学意义，但是显然两者之间不会有什么实际的生物学意义。
所以，统计学差异并不等于生物学意义，还要结合具体的临床或统计标准进行分析。在我们还在探讨P值的时候，Nature上已有几百位科学家联名批判P值在科研中的滥用了w(ﾟДﾟ)w。文章题目：Scientists rise up against statistical significance
转自“医学统计园”微信公众号，欢迎扫描二维码关注
