没有。

您所指的（A组和B组均值之间的差异）实际上是效果大小，它与p值绝对无关。

这种情况在（强烈推荐的）论文Using Effect Size-or Why the P Value Is Not Enough中得到了很好的总结（强调我的）：

为什么要报告效应量？

效应量是定量研究的主要发现。虽然 P值可以告知读者是否存在效应，但P值不会揭示效应的大小。在报告和解释研究中，实质性显着性（效应大小）和统计显着性（P值）都是需要报告的基本结果。

为什么 P 值不够？

统计显着性是观察到的两组之间的差异是偶然的概率。如果P值大于所选的 alpha 水平（例如，0.05），则假定任何观察到的差异都可以通过抽样变异性来解释。对于足够大的样本，统计检验几乎总是会显示出显着差异，除非没有任何影响，也就是说，当影响大小正好为零时；然而，非常小的差异，即使很重要，通常也毫无意义。因此，仅报告分析的显着P值不足以让读者充分理解结果。

换句话说，p 值反映了我们对效果确实存在的信心（这不是偶然的），但它绝对没有说明它的大小（大小）。

事实上，关注 p 值而不是效果大小的做法一直是许多争议的根源，也是最近激烈批评的主题。请参阅（再次强烈推荐）《统计意义的崇拜：标准错误如何使我们失去工作、正义和生活》一书。

Cross Validated 的以下主题也可能有用：

• P值作为效应大小的量度？
• 效果大小真的优于 p 值吗？

p 值不能用于比较两个不同组或指定的两组在一段时间内生成的 t 统计量。p 值只是说明计算的 t 统计量在 0.05 或 0.02 或 0.15 等处具有统计显着性。经过多次误解，p 值不必要地被争论。这是一个推理统计。