假设检验、p 值与显著性

假设一条新的核保规则本应降低理赔。一年之后，理赔略有下降——但这是真实的效应，还是只是运气使然、那种即便规则毫无作用也会因偶然而出现的下滑？假设检验正是为这个问题设立的正式“法庭”。它先假定那个无趣的解释为真（规则毫无作用），然后追问：数据是否太过出人意料，以致无法与这一假定相容？

那个无趣的解释是原假设（零假设）；有趣的那个是备择假设。我们计算一个检验统计量，衡量数据离原假设所预测的有多远，再算出 p 值：在原假设为真的前提下，看到至少这般极端的数据的概率。小的 p 值（通常低于 0.05）意味着数据在原假设下会令人意外，于是我们“拒绝原假设”，并称结果具有统计显著性。例如，p 值为 0.01 表示：在原假设下，纯粹由偶然产生如此惊人结果的情形只占 1%。至关重要的是，大的 p 值并不能证明原假设——它只是未能提供反对它的证据。

精算师用这些检验来追问：某个费率变量是否真的影响损失、观察到的死亡率是否不同于标准表、某个模型项是否配得上它的位置。但这套框架被广泛滥用，因此诚实地使用它需要谨慎。0.05 这个分界线是任意的约定，而非自然法则。统计显著性不等于实际重要性——数据足够多时，一个微不足道、毫无用处的差异也会变得“显著”。而 p 值既不是原假设为真的概率，也不是你的发现纯属偶然的概率；它是在假定原假设下关于数据的一项陈述。做很多次检验却只报告显著的那些（p 值操纵）会制造出虚假的发现。