让我们通过一个具体的例子来解释P值的计算过程，假设我们有一个模型用于区分SCD（亚临床痴呆）和HC（健康对照）的分裂。我们通过置换测试来计算模型性能的P值。

原始模型性能评估

首先，我们在原始数据集上运行模型。假设我们关注的性能指标是准确率，模型在原始数据集上的准确率为80%。

置换测试步骤

1. 打乱标签：我们将原始数据集中的标签（SCD和HC）随机打乱，这样数据和标签之间的真实关联被破坏。

2. 重新评估模型性能：在这个打乱标签后的数据集上重新运行模型，并记录准确率。这个过程重复进行，例如1,000次。

3. 记录准确率：每次置换后，我们记录模型的准确率。这样，我们就得到了1,000个基于打乱标签数据集的准确率值。

P值的计算

假设在1,000次置换测试中，有50次模型的准确率达到或超过了80%（即原始模型在未打乱标签数据集上的准确率）。那么，

• P值计算公式为：(P = \frac{\text{模型性能达到或超过原始性能的次数}}{\text{总置换次数}})
• 在这个例子中，P值为：(P = \frac{50}{1000} = 0.05)

解释P值

• P值 = 0.05：这意味着，在随机打乱标签的情况下，有5%的概率观察到模型的准确率达到或超过80%。这是一个界限值，通常用于判断统计显著性。如果P值正好为0.05，我们可以认为模型性能的提升是统计上显著的，但这种显著性是边缘的。

注意

实际应用中，P值的具体解释可能依赖于领域内的共识和具体研究的标准。在某些情况下，研究者可能会选择更严格的标准（如P < 0.01）来确保发现是真实的，尤其是在样本量较小或多重比较时。

这个例子展示了通过置换测试来计算和解释P值的基本过程，帮助我们理解模型性能是否显著地优于随机猜测。