P-värde förklarat — vad det betyder

# Vad är egentligen ett p-värde?

Det här är del 3 av 8 i serien "Så här vet forskare det de vet." Del 1: [Hur vet forskare något överhuvudtaget?](https://vetenskapforalla.se/samhallsvetenskap/hur-vet-forskare-nagot-overhuvudtaget) Del 2: [Varför behöver varje experiment en tvilling?](https://vetenskapforalla.se/ovrigt/varfor-behover-varje-experiment-en-tvilling)

---

Du har säkert sett det i nyheter om forskning: "studien visade statistiskt signifikanta resultat." Det låter auktoritativt. Men vad betyder det egentligen? Svaret är mer komplicerat, och mer fascinerande, än du kanske tror.

Slumpen är forskningens fiende

Föreställ dig att du delar upp hundra personer slumpmässigt i två grupper. Den ena gruppen äter en ny typ av frukost i tre månader. Den andra äter som vanligt. I slutet av studien mäter du blodtrycket.

Gruppen med den nya frukosten har ett genomsnittligt blodtryck som är 3 enheter lägre. Bevisar det att frukosten fungerar? Inte nödvändigtvis. Det kanske är en slump. Slumpen skapar hela tiden skillnader som inte beror på något annat än tur.

Problemet för forskaren är att skilja på äkta effekter och slumpens brus. Det är där p-värdet kommer in.

Vad p-värdet faktiskt mäter

P-värdet är ett mått på hur sannolikt det är att du skulle se ett resultat som är lika extremt, eller ännu mer extremt, om det inte finns någon verklig effekt.

Enklare: om frukosten inte hade någon effekt alls, hur troligt är det att slumpen ändå producerat en skillnad på minst 3 enheter?

Om p-värdet är 0,04 innebär det att sannolikheten är 4 procent. Det är lågt. Forskarvärlden har traditionellt satt gränsen vid 5 procent, det vill säga p-värde under 0,05. Under den gränsen kallas resultatet “statistiskt signifikant.”

Det är inte ett godtyckligt tal, men det är inte heller heligt. Det är en praktisk konvention.

Den vanligaste missuppfattningen

Här är felet som nästan alla gör, inklusive många journalister och en del forskare: ett p-värde på 0,04 betyder inte att det är 96 procents sannolikhet att frukosten fungerar.

Det är en grundläggande missuppfattning. P-värdet säger ingenting om sannolikheten att hypotesen stämmer. Det säger bara hur ovanligt resultatet är om hypotesen inte stämmer.

Det är subtilt men viktigt. Statistiska experter har i decennier påpekat att p-värdet är förmodligen det mest missförstådda och felmissbrukade måttet i hela vetenskapen.

Varför 0,05 kan räcka för att ha fel

Tänk dig att tusen forskargrupper världen över testar tusen olika slumpmässiga hypoteser som inte stämmer. Med p-värdesgränsen 0,05 förväntas femtio av dem, fem procent, ändå få “statistiskt signifikanta” resultat rent av slumpen.

Femtio studier med falska positiva resultat. Femtio studier som kanske publiceras, citeras, och bygger på en slump.

Det problemet förvärras av att studier med positiva resultat lättare publiceras. Om tio forskargrupper testar samma hypotes och nio misslyckas men en lyckas, är det den enda studien du ser. De andra nio publiceras aldrig. Det kallas publiceringsbias, och det är ett allvarligt problem i hela vetenskapen.

Signifikant är inte detsamma som viktigt

En annan fälla: statistisk signifikans och praktisk betydelse är inte samma sak.

Om du har en enorm studie med tiotusen deltagare kan du hitta statistiskt signifikanta skillnader som är så små att de saknar all praktisk relevans. Kanske visar sig blodtrycket sjunka med 0,1 enheter. Statistiskt signifikant, men medicinsk ointressant.

Forskarvärlden diskuterar i dag hur p-värdet bör kompletteras med mått på effektstorlek, alltså hur stor skillnaden faktiskt är, inte bara om den är osannolikt stor att uppstå av slumpen.

Vad ska du tänka på?

P-värdet är ett verktyg, inte ett facit. Det berättar att resultatet är ovanligt om slumpen vore den enda förklaringen. Det berättar inte hur stor effekten är. Det berättar inte att studien är fri från andra fel. Och det berättar inte om resultaten går att upprepa.

I nästa del av serien tittar vi på blindstudier, och varför forskarens egna förväntningar kan förstöra ett annars väldesignat experiment.

---