在这样的情况下——最好从读者的角度来看问题。读者会关心检验统计量的实际值吗？您想让读者知道统计量是还是？在大多数情况下，读者不会对这些值感兴趣，因此只需提供 p 值以及您使用的测试以及效应大小的估计值。$T$$2.79$$F = 8.91$

我建议你为你所做的测试设置一个精确的 p 值。但是，如果 p 值非常小，例如 0.000001，那么我会将其写为 p 值 < 0.0001。

希望这可以帮助。

我会建议报告$p$-values，如果你有空间去测试统计和拒绝区域。但这背后是有原因的，就像您可以看到的大多数研究期刊和软件一样$p$-价值观。首先，让我说，基于的结论$p$-values 和拒绝区域方法基本相同，即如果您的$p$-values 小于或等于$\alpha$（即您的显着性水平）然后测试统计量将落入拒绝区域，反之亦然。拒绝域方法只提供一个特定值的决策$\alpha$. 但是，通过提供$p$-values，您的读者不仅可以根据该特定值做出他/她的决定$\alpha$级别，但他/她也可以看到所有可能的值$\alpha$其中可以拒绝原假设。结果，$p$-value 提供了比拒绝域方法更大的灵活性。

您还可以查看 Jessica Utts、Robert Heckard 撰写的“Statistical Ideas and Methods”第 449 页中的最后一段，该段落解决了此属性。