p值解释的并非假设本身，而是数据和假设的关系(比如，我们收集到的A组和B组的数据，和假设“使用A对于住院天数没有影响”的关系)。这是因为，假设本身要么就是对的，要么就是错的，不存在一个概率的问题。

评价一致性程度的方法很多，比如说Kappa值、Kendall一致性系数、组内相关系数（ICC）等等，但是选对合适的方法却不容易，本文就帮大家梳理一番！

置信区间（confidence interval，CI），常常和观测值的点估计值一起出现，是样本对总体的一个区间估计，也可以被看作是点估计值可信程度的一种体现。 p值是假设检验中的关键结果，从统计学的角度衡量了数据与假设之间的关系。

为了统一比较的标准，保证结果的可靠性，我们在分析数据之前，需要对原始变量进行一定的处理，即我们本期内容将向大家介绍的数据的标准化处理，将原始数据转化为无量纲、无数量级差异的标准化数值，消除不同指标之间因属性不同而带来的影响，从而使结果更具有