根据什么确定显著水平

确定显著水平通常基于以下几个因素：

研究目的和问题的重要性程度：

如果研究问题对于实际应用或理论发展非常重要，可能需要选择较低的显著水平，如0.01或0.001。这意味着只有在非常强的证据下才拒绝零假设，以确保结论的可靠性。例如，在医学研究中，对于涉及生命安全的问题，通常会选择较低的显著水平。

错误后果：

考虑错误决策的后果。如果错误地拒绝零假设（即第一类错误）或错误地接受零假设（即第二类错误）会带来严重的后果，应选择较低的显著水平。例如，如果错误地判断苔藓植物的生长状态与环境条件有关，可能会导致错误的环境保护决策，那么就需要选择较低的显著水平。

行业标准和惯例：

参考所在领域的研究通常使用的显著水平。不同领域可能有不同的习惯和标准。例如，在生物学领域，常用的显著水平可能是0.05；而在一些工程领域，可能会根据具体情况选择更高或更低的显著水平。

显著性水平的理解：

显著性水平是在进行假设检验时事先确定一个可允许的作为判断界限的小概率标准。检验中，依据显著性水平大小把概率划分为二个区间，小于给定标准的概率区间称为拒绝区间，大于这个标准则为接受区间。显著性水平不是一个固定不变的数值，依据拒绝区间所可能承担的风险来决定。

样本量和效应大小：

在大样本情况下，即使效应量较小，也容易达到统计显著性。因此，在大样本情况下，为了控制第一类错误（即错误地拒绝零假设），可以选择较低的显著性水平。对于小样本研究，由于样本量较小，可能难以检测到真实的效应。在这种情况下，可以适当提高显著性水平以增加检验的灵敏度。

P值：

P值是在假设原假设正确时，出现现状或更差情况的概率。P值越小，表示观察到的数据与原假设不一致的程度越高，因此显著性水平也越高。通常，如果P值小于0.05，则认为结果具有统计学显著性。

综合以上因素，研究者可以根据具体的研究背景、研究目的、样本量、效应大小以及可接受的错误后果来确定合适的显著性水平。