在比较两个组时，您必须区分单尾和双尾P值。一些书籍提到了单侧和双侧P值，其含义相同。

单尾的含义是什么？

在上下文中，理解这种区别最为简单。让我们想象一下您正在比较两个组的平均值（使用非配对t检验）。单尾和双尾P值均以相同的零假设为基础，即两个群体实际上相同，且所观察到的样本平均值之间的差值因偶然因素所致。

双尾P值回答了该问题：

假设零假设为真，则随机选择样本的平均值与您在实验中所观察到的平均值一样相距遥远（或更远）的概率是多少（其中任意一组的平均值更大）？

为解读单尾P值，您必须在收集任何数据之前预测哪个组的平均值更大。单尾P值回答了该问题：

假设零假设为真，则随机选择样本的平均值与您在实验中所观察到的平均值一样相距遥远（或更远）的概率是多少（其中任意一组的平均值更大）？

如果所观察到的差异是朝实验假设所预测的方向，则单尾P值是双尾P值的一半（大多数但并非全部是统计检验）。

何时适于使用单尾P值？

当先前数据、物理限制条件或常识告诉您差异（如有）只能朝一个方向时，则单尾检验适合。仅当以下两项条件均成立时，才应选择单尾P值。

•在收集任何数据之前，您已经预测哪一组的平均值（或比例）更大。如果您只在看到数据后才做出“预测”，甚至无需考虑使用单尾P值。

•如果另一组的平均值更大，即使只大了一点，您也会认为这种差异因偶然因素所致，并且认为这种差异“不具统计学显著性”。

此处列举一个您可能适当选择一个单尾P值的示例：您正在检验一种新抗生素是否会损害肾功能（通过血清肌酐进行衡量）。许多抗生素均会毒害肾细胞，导致肾小球滤过率降低和血清肌酐提高。据我所知，尚无任何一种抗生素能够降低血清肌酐，并且很难想象一种抗生素能够提高肾小球滤过率的机制。在收集任何数据之前，您可说明有两种可能性：该药物将不会改变群体的平均血清肌酐，或该药物将提高群体的平均血清肌酐。您认为该药物无法真正降低群体的平均血清肌酐，并计划将任何所观察到的降低归因于随机抽样。因此，在此情况下，计算单尾P值才有意义。在该示例中，双尾P值检验了该药物不会改变肌酸酐水平的零假设；单尾P值检验了该药物不会提高肌酐水平的零假设。

在单尾P值与双尾P值之间选择的问题并非您是否预期存在差异。如果您已经知晓是否存在差异，则没有理由收集数据。相反，该问题是差异的方向（如有）是否只能朝一个方向。当您可以肯定地说明（且在收集任何数据之前）整体群体中没有差异或在特定方向上存在差异时，您应该只使用单尾P值。如果您的数据最终显示出朝向“错误”方向的差异，则您应该愿意将这种差异归因于随机抽样，甚至不考虑测定差异可能反映整体群体真实差异的想法。如果朝向“错误”方向的差异引起您的兴趣（哪怕只是些许），您也应计算双尾P值。

Prism报告单尾P值的方法

当您要求Prism报告一个单尾P值时，Prism会假设实际差异或在您预测方向上的效果，因此Prism所报告的单尾P值始终小于双尾P值（几乎始终正好是其一半）。

事实上，如果所观察到的差异或效果与您预测的方向相反，则Prism所报告的单尾P值有误。实际单尾P值将等于1.0减去所报告的数值。例如，如果所报告的单尾P值为0.04，且实际差异与您预测的 方向相反，则实际单侧P值为0.96。

如果在收集数据之前，您并未预测到差值或效果的方向，会怎样？

如果在收集数据前，您并未预测效果的方向，则不应报告单侧P值。诸如“好吧，我早就料到了”等话语属于欺骗行为。如果您并未记录预测，则您不应使用单尾P值。

如果试验并无两个方向，会如何？

单尾和双尾P值的概念只对有效果具有两个方向（即，增加或减少）的假设有意义。如果您比较三个或更多组（方差分析），则单尾和双尾P值的概念没有意义，Prism不会要求您做出该选择。

如何在单尾P值与双尾P值之间转换

如果实际效果符合您的预测：

•单尾P值等于双尾P值的一半。

•双尾P值等于单尾P值的两倍（假设您正确预测了差值的方向）。

该规则适用于几乎所有统计检验。有些检验（Fisher检验）不对称，因此这些规则只适用于这些检验。

如果实际效果与您预测的相反：

•单尾P值等于1.0减去双尾P值的一半。