虽然默认情况下不显示，但 Prism 提供了计算和报告 Cox 比例风险回归模型每个参数估计（和风险比）的 P 值的选项。这些 P 值是通过检验真实参数估计（β）等于零的零假设产生的（每个参数估计都要单独检验）。请注意，如果真实参数估计实际上为零，那么相关预测因子变量的任何增减都不会对危险率产生影响。

在考虑风险比而不是参数估计时，零假设是真实的风险比等于 1。由于风险比是乘法，因此风险比等于 1.0 表示相关预测因子变量的变化不会影响风险率。

无论您喜欢用贝塔系数还是风险比来思考问题，使用的都是同样有效的零假设。这是由于贝塔系数和风险比的关系造成的。回想一下，风险比是通过取相应贝塔系数的指数（HRi= exp(βi)）来计算的。因此，检验一个贝塔系数是否等于零与检验风险比是否等于 exp(0) = 1 是一样的。无论哪种方式，零假设都是断言相关预测因子变量的值不会影响危险率。

对于每个报告的预测因子值，计算出的 P 值都能回答这样一个问题：如果零假设（上文）为真，并且所有分析假设都是合理的，那么观察到这个量级或比这个量级更极端的参数估计值的概率是多少？如果 P 值足够小（小于指定的α 水平，一般设置为 0.05），那么就拒绝了零假设（参数估计为零）。

对于这些检验，我们总是生成双侧（单尾）P 值，因为我们对大于或小于零的参数估计（或大于或小于 1 的风险比）同样感兴趣。如果您想要一个单侧的 P 值：

•您必须在实验设计中预测了效应的方向（风险比大于或小于 1，或参数估计值大于或小于零）。

•如果实际方向与预测一致，则单尾 P 值等于双尾 P 值除以 2

•如果实际方向与预测相反，则单尾 P 值等于 1-（双尾 P 值/2）。

记住：不能拒绝参数估计为零的零假设，并不能证实这个假设！！只能说根据数据无法拒绝该假设。

在分析参数对话框中选择 P 值选项后，Prism 将报告：

•按参数估计值除以标准误差计算的 Z 绝对值

•根据 Z 确定的 P 值

•P 值摘要，报告为 "ns"（表示不显著）或一个或多个星号