P值可回答哪些问题？
来自Fisher或卡方检验的P值回答该问题：
如果在整个群体中定义的各行变量与定各列变量之间确实没有关联，则随机抽样可能产生如本实验中所观察到的一样强（或更强）关联的概率是多少？
. 卡方趋势检验 存在两列和两行以上按自然顺序排列时执行。其又称 “Cochran - Armitage方法”。P值回答了该问题：
如果行号和位于左列小部分受试者之间没有任何线性趋势，则可观察到随机抽样结果呈显著趋势的概率是多少？
有关趋势卡方检验的更多信息请见以下文本，《医学研究的实用统计》编者：D.G.Altman、Chapman和Hall，于1991年出版。
切勿忘记“具有统计学显著性”是指不同于“科学重要性”。
P值为何总不符合置信区间？
P值与置信区间相互交织。如果P值小于0.05，则95%置信区间不能包含定义零假设的值。（您可对P值＜0.01和99%的置信区间等制定类似规则）
列联表的Prism结果并不总是支持该规则。
Fisher检验中计算出的P值完全正确。但是，优势比与相对风险的置信区间通过仅近似于正确的方法来计算。因此，置信区间可能与P值不完全一致。
例如，结果可能显示P＜0.05，且1.0的相对风险具有95%CI。（1.0的相对风险意味着无危险，因此定义了零假设）。同样，可发现P＞0.05以及不包括1.0的95%CI。
这些明显的矛盾性很少出现，但最常出现在其中一个输入值等于零时的情况下。
如何计算P值
计算卡方检验是标准的做法，所有统计书籍中都有相关的解释。
将Fisher检验称为“精确”检验，因此您会想在如何计算P值方面达成一致。并非如此！
尽管大家都同意计算单侧（单尾）P值的方法，但实际上有三种方法可计算Fisher检验中的“精确”双侧（双尾）P值。Prism使用小P值求和法来计算双侧P值。大多数统计学家似乎都会推荐该方法，但有些程序采用不同的方法。
如需了解更多信息，请参见SISA基于参考文献的详细讨论。另见Alan Agresti编写的《分类数据分析》中关于Fisher检验的部分。这是一个非常令人费解的话题，解释了不同统计学家（以及不同软件公司）采用不同方法的原因。
单侧P值
Prism向您提供报告单侧或双侧P值。
对于卡方检验，单侧P值可作为双侧P值的一半。Zar指出（第503页，第5版）存在一种极为罕见的情况：如果实验设计同时选择了行总和与列总和，则单侧P值会产生误解。
我们采用“单侧”而非“单尾”的原因是什么？为避免混淆。卡方值始终是正数。为从卡方中找到P值，Prism计算了（在零假设情况下）看见卡方值高或更高的可能性。因此只看到卡方分布的右尾。但是，在零假设的偏离为任意方向时，卡方值可能很高（比例之间的正差或负差，相对风险大于或小于1）。因此双侧P值实际上是从卡方分布的一个尾部计算得出。
通过Fisher检验，单侧P值的定义并不模糊。但在多数情况下，单侧P值不是双侧P值的一半。
