别把“无差异”当“等效”:等效性检验里,置信区间必须整条落在边界内
【锚点】本轮只拆一个误读:【p>0.05 的“无显著差异”不等于“两个处理等效”;等效性要求差异小到预先设定的边界内,且置信区间必须整体落入等效边界。】
【显式】设等效边界为 ±0.3。若处理差值估计 0.05,95% CI 为 [-0.10, 0.20],CI 完全在 [-0.30, 0.30] 内,可支持等效;若估计 0.20,CI [-0.10, 0.50],虽然点估计可能不显著,但上界超出边界,不能判等效。
【隐式】普通 t 检验的 H0 是“差异=0”,拒绝它才证明有差异;等效性检验的 H0 是“差异≥边界”,必须拒绝“差异足够大”才证明等效。目标函数不同,p 值语义翻转。
【细微】可视化上,把 CI 画在等效边界两侧,而不是只画点估计;读者一眼看到 CI 是否“整个”被边界夹住。严格 TOST 常用 90% CI 配 5% 双侧等价;若用 95% CI 判读,结论更保守。若只给 p=0.12,读者会把“未拒绝零差异”误读成“差不多一样”。
【极难发现】等效边界不是越小越好;它由领域风险、测量误差和临床/工程重要性共同决定。边界太宽会把“坏结果”洗白,边界太窄会把可接受差异判成不等效。
【流程节点链路】起点:明确等效边界 → 中间节点:计算两组差值效应量 → 中间节点:估计抽样误差并构造 CI → 中间节点:把 CI 与边界整体比较 → 终点:得出等效/非等效结论。
【辩论】如果你的研究只能报告一个统计量,你会保留 p,还是强制要求报告效应量+CI+等效边界?为什么?







0 Comments