尽管默认情况下未显示，但Prism为Cox比例风险回归模型的每项参数估计值（和风险比）提供了计算和报告P值的选项。通过检验真实参数估计值（β）等于零的零假设，生成这些P值（针对每项参数估计值进行单独检验）。请注意，如果真实参数估计值实际为零，相关预测变量的任何增加或减少均不会影响风险比。

考虑风险比而非参数估计值时，零假设是指真实的风险比等于1。由于风险比倍增，风险比等于1.0表示相关预测变量的变化不会影响风险比。

无论考虑使用β系数还是风险比，均使用相同的有效零假设。这归因于β系数与风险比之间的关系。回想一下，通过取相应β系数的指数（HRi=exp（βi）），计算风险比。因此，检验β系数是否等于零与检验风险比是否等于exp（0）=1的方式相同。无论哪种方式，无效假设均认为相关预测变量的值不会影响风险比。

对于报告的各预测值，计算的P值可以回答以下问题：如果零假设（以上）为真，且所有分析假设均合理，观察到该量级或者比此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，通常设置为0.05），则拒绝零假设（即参数估计值为零）。

对于这些检验，总是生成双侧（双尾）P值，原因在于我们同样关注大于或小于零（或者大于或小于一的风险比）的参数估计值。如果想要一个单侧P值：

•在实验设计中，必须预测影响的方向（风险比大于或小于1，或者参数估计值大于或小于0）

•如果实际方向与预测相匹配，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：未能拒绝参数估计值为零的零假设，并不能证实此假设！！换言之，在给定数据的情况下，不能拒绝该假设。

在“分析参数”对话框中选择“P值”选项时，Prism将报告：

•Z的绝对值，用参数估计值除以其标准误差计算得到

•由Z决定的P值

•P值总结，报告为“ns”（表示不重要）或一个或多个星号