实证研究常见误区(7)：回归结果里，你不能只看p值

在很多实证研究中，经常会看到这样一种情况：

回归结果一出来，大家第一眼看的，不是系数本身，而是那一列星号。

有没有 ，有没有 ，有没有 ，成了一种下意识的反应。在一些论文中，整段结果解释，最后都落在一句话上——“该变量在 1% 水平显著”。

如果多思考一下，可能会有另一个问题：显著，真的等于重要吗？

01为什么大家习惯先看 p 值？

在学习统计的早期阶段，我们反复接触的，是各种显著性检验：t 检验、p 值、0.05 这一套判断规则。久而久之，很容易形成一种近乎自动化的理解方式——只要 p 值足够小，就说明变量“有作用”；如果不显著，就可以不再讨论。

从统计学角度看，这个逻辑并没有问题。p 值确实回答了一个非常清晰的问题：在零假设成立的前提下，当前样本结果出现的概率有多大。

但是在实际研究中，它并不能替代我们作出最后的判断。

比如：这个变量是否值得讨论？这个关系是否重要？这个结果是否有现实意义？这些问题，都不是 p 值能够直接回答的。

02一个常见的例子：显著，但几乎没有影响

可以看一个非常典型的情形。

假设你在研究教育对收入的影响，回归结果显示：教育年限的系数是 0.002，同时 p 值非常小，几乎为 0。从统计意义上看，这是一个“非常显著”的结果。

但如果把这个系数换一种方式表达——教育每增加一年，收入提高约 0.2%——我们可能会犹豫，这样的影响到底算不算重要？

这里的问题就在于：统计意义和实际意义，并不总是一致。

在大样本数据中，这种情况尤其常见。随着样本量增加，标准误不断下降，原本非常微弱的关系，也更容易通过显著性检验。

结果就是，回归表里可能充满“高度显著”的变量，但其中相当一部分，对现实问题几乎没有实质影响。

03回归真正想回答的，其实不是“有没有关系”

如果回到回归分析最基本的目的，就会发现一个很容易被忽略的事实：

我们真正关心的，实际上不是“有没有关系”，而是“影响有多大”。

再看一个更贴近研究决策的例子。

假设你在评估一项补贴政策对企业投资的影响。现在有两个回归结果：

一个结果显示，政策系数大约为 0.15，但 p 值在 0.08 左右；另一个结果系数只有 0.01，却在统计上高度显著。

如果只看显著性，大多数人会更倾向于第二个结果。但如果站在政策制定者的角度，问题就会变得完全不同：

• 哪个结果更有实际意义？

一个影响幅度较大但不那么显著的结果，和一个几乎没有影响却“非常显著”的结果，显然不能用同一个标准来评价。

也正是在这种情境下，系数本身所代表的“效应大小”，才真正接近研究问题的核心。

04为什么现在越来越强调“效应大小”

如果你看近几年的论文，会发现一个变化：评价重点，正在慢慢从“是否显著”，转向“效应是否有意义”。

审稿人更常问的，不再只是 p 值，而是：

• 这个效应到底有多大？
• 是否具有现实或经济意义？
• 在不同模型设定下是否稳定？

原因其实很简单。p 值只能告诉我们，这个系数是否和 0 有显著差异，但实践中的问题，并不是问“它是不是等于 0”。

而是在问：这个影响，是 0.1，还是 10。

也正因为如此，越来越多的研究开始强调报告效应大小（effect size），以及所谓的“经济显著性”，而不仅仅停留在统计显著性上。

05那 p 值是不是就不重要了？

当然不是。

p 值依然有一个非常重要的作用：它提供了一个关于结果稳定性的判断。

如果一个系数很大，但不显著，往往意味着估计存在较大的不确定性，可能来自样本量不足，或者数据本身波动较大。在这种情况下，仅凭系数做判断，同样是有风险的。

更合理的理解方式是：

• 系数告诉我们“影响有多大”，
• 而 p 值帮助我们判断“这个估计是否可靠”。

两者是互补关系，而不是替代关系。

总结

在解读回归结果时，很多人习惯性地把问题简化为：

这个变量显不显著？

但真正值得回答的问题，其实是：

这个变量影响有多大，这个影响是否具有实际意义。

从这个角度看，p 值和回归系数，分别对应两个不同层面的信息：

• 一个是“是否存在”，一个是“影响程度”。

在实际研究中，如果只关注前者，而忽略后者，就很容易得到“统计上成立，但现实中无关紧要”的结论。