很多人会争辩说，$p$-值可以是重要的（$p< \alpha$) 与否，因此比较两者是没有意义的$p$-彼此之间的值。这是错误的；在某些情况下确实如此。

在您的特定情况下，您可以直接比较$p$-价值观。如果样本量是固定的（$n=1000$）， 然后$p$-值单调相关$t$-值，这些值又与 Cohen 测量的效应大小单调相关$d$. 具体来说，$d=2t/\sqrt{n}$. 这意味着您的$p$-值与效果大小一一对应，因此您可以确定，如果$p$- 属性 A 的值大于属性 B，则 A 的影响大小小于属性 B。

我相信这回答了你的问题。

几点补充：

1. 仅考虑到样本量，这才是正确的$n$是固定的。如果你得到$p=0.008$对于具有一种样本大小的实验中的属性 A，以及$p=0.002$对于另一个样本量不同的实验中的属性 B，比较它们更加困难。

   • 如果问题具体是 A 或 B 在人群中是否更好地“区分”（即：通过查看 A 或 B 值，您能在多大程度上预测性别？），那么您应该查看效应大小。在简单的情况下，知道$p$和$n$足以计算效果大小。

   • 如果问题更模糊：什么实验提供了更多反对无效的“证据”？（如果例如 A=B，这可能是有意义的）——那么问题就会变得复杂和有争议，但我想说的是$p$-value 根据定义是针对 null 的证据的标量汇总，因此越低$p$-值，证据越强，即使样本量不同。

2. 说 B 的效应量大于 A 的效应量，并不意味着它明显更大。您需要在 A 和 B 之间进行一些直接比较才能做出这样的声明。

3. 报告（和解释）效果大小和置信区间总是一个好主意，除了$p$-价值观。

感谢刚刚对我投反对票的人，因为我现在对这个问题有一个完全不同的答案。我相应地删除了我的原始答案，因为从这个角度来看它是不正确的。

在这个问题的背景下，它只处理“我的研究中 A 还是 B 是更好的鉴别器”这个问题，我们处理的是人口普查而不是样本。因此，使用诸如用于产生 p 值的推论统计是无关紧要的。推论统计用于从我们从样本中获得的那些推断人口估计。如果我们不想推广到人群，那么这些方法是不必要的。（人口普查中的缺失值存在一些具体问题，但在这种情况下这些问题无关紧要。）

在总体中没有获得结果的可能性。我们得到了我们得到的结果。因此，我们得到结果的概率是 100%。无需构建置信区间 - 样本的点估计是准确的。我们根本不需要估计任何东西。

在“哪个变量更适合我拥有的数据”的特定情况下，只需以简单的摘要形式查看结果即可。一张表格可能就足够了，也许是一个像箱线图这样的图表。

您得到 p 的差异，但尚不清楚该差异意味着什么（它是大、小还是显着？）

也许使用引导：

从您的数据中选择（替换），重做测试，计算 p (p_a - p_b) 的差异，重复 100-200 次

检查您的 delta p 的哪一部分 < 0（意味着 A 的 p 低于 B 的 p）

注意：我已经看到这样做了，但我不是专家。

添加了答案，因为评论太长了！

Michelle 的反应很好，但许多评论显示了一些关于 p 值的常见讨论。基本思路如下：

1) 较小的 p 值并不意味着结果或多或少显着。这只是意味着获得至少极端结果的可能性较小。显着性是基于您选择的显着性水平（在运行测试之前选择）的二元结果。

2）效应大小（通常标准化为标准差的#）是量化两个数字“差异程度”的好方法。因此，如果数量 A 的效应大小为 0.8 个标准差，而数量 B 的效应大小为 0.5 个标准差，那么您会说数量 A 中的两组之间的差异比数量 B 中的更大。标准测量值是：

.2 标准偏差 = “小”效应

.5 标准差 = “中等”效应

.8 标准偏差 = “大”效应