免费工具
从检验统计量到p 值
输入你的 z、t、卡方或 F 统计量，得到精确的 p 值 — 单尾或双尾，附 α = 0.05 与 0.01 的显著性判定。
检验方向
1.0000
p 值
在 α = 0.05 下不显著在 α = 0.01 下不显著
这么极端的结果在零假设下相当可能出现 — 在 5% 水平下你不会拒绝它。不显著并不等于没有效应。
p 值衡量的是零假设下的“意外程度”，而非效应量或重要性。请把精确 p 值连同效应量和置信区间一并报告。
常见问题
如何由 t 统计量得到 p 值？
选择 t 检验，输入 t 值和自由度（单样本或配对检验为 n − 1），并选择单尾或双尾。计算器会返回 t 分布的精确 p 值。
该用单尾还是双尾？
多数领域以双尾为默认：检验任一方向的差异。仅当你的假设在看到数据前就已指定方向时才用单尾 — 并在方法部分说明。
p < 0.05 到底意味着什么？
若零假设为真，至少和你一样极端的数据在相同研究中出现的概率不足 5%。它不表示你的假设有 95% 的概率为真，也不说明效应有多大。
可以写 p = 0.000 吗？
不可以 — p 值绝不会恰为零。请报告精确值（p = 0.032），低于该阈值时按 APA 规范写作 p < .001。