Fisher 使用 p 值作为针对零假设的证据的连续测量？

也许。是什么让你相信这一点？

所以 p 值为 0.06 表示没有差异并且原假设为真？

一点也不。你是如何从“持续证据反对”到“没有区别”的？

特别是，Fisher 不会错误地认为未能拒绝使$H_0$实际上为真。

大于 alpha 的 p 值是否表明发生第一类错误的可能性 >5%

不，有两个原因。

(i) 如果$p>\alpha$你不会拒绝，所以你根本不能犯第一类错误

(ii) 你甚至没有犯 I 类错误的概率，因为 I 类错误率是条件概率，在实际情况下，联合概率接近于零（即点零假设几乎从不完全正确；只有当它们完全正确时，您才能犯 I 类错误）。$\alpha$

[ ...我想我可以说我在那里更像是一个贝叶斯主义者]

这里的问题是您需要更清楚地了解这些术语的定义，以及这些定义的含义。

将 p 值作为针对零假设的证据的连续衡量意味着“无差异”和“差异”之间没有“明线”。因此，p与基本相同，与基本相同，此外，仍然与非常相似，就反对零假设的证据数量而言。 $p=.04$$p=.06$$p=.06$$p=.08$$p=.04$$p=.08$

如果你正确地遵循 Neyman-Pearson 范式，你不会在时拒绝原假设。因此，I 类错误是不可能的。请记住，I 类错误被定义为在原假设为真时拒绝原假设。由于您没有拒绝零假设，因此这不适用。 $p>\alpha$

阅读我对相关问题的回答可能会对您有所帮助： 何时使用 Fisher 和 Neyman-Pearson 框架？