P-Value는 약 1세기 동안 통계분야에 주요한 역할을 하고 있으면서 동시에
그 기원에서 부터 비판의 대상이 되어왔다.

그리고 최근 몇년 동안 P-Value에 대한 논쟁은 더욱 심해져서 p-Value가 실질적인
과학분야가 손상을 받을 정도로 P-Value가 잘못 사용되었다는 심각한 우려도 있어 왔다.

2016년 3월 커지는 걱정에 대해 미국통계협회(ASA)에서 P-Value을 어떻게 사용해야 하는지에 대해
통계적 실행측면에서 공식적인 입장을 발표했다. 20명의 전문가를 소집하여 수개월 동안
이 이슈에 대해 토론한 결과 몇몇 열띤 반대의경과 복합적인 이슈에 직면했음에도 불구하고
명시된 포인트에 대해 합의를 본 다음 "ASA Statement on Statistical Significance and P-values."라는
성명서를 발표하였다.

미국통계협회(ASA)의 17페이지에 걸친 성명서 내용중에 8페이지~12페이지 에 걸쳐
P-Value 사용에 대한 다음과 같은 6가지 원칙을 담고 있다.

1. P-Value는 데이터가 지정된 통계 모델과 얼마나 양립할 수 없는지를 나타낼 수있다.
2. P-Value는 연구가설이 참값일 확률을 측정하거나, 단지 랜덤하게 생성된 데이터의 확률 측정값이 아니다.
3. 과학적인 결론과 사업 또는 정책 결정은 단지 P-Value가 명시된 한계점을 넘었다고해서 결정을 해서는 안된다.

4. 적절한 추론을 위해서는 연구내용에 대한 전체 상황에 대한 내용과 투명성이 요구된다.
5. P-Value 혹은 통계적 유의성은 효과의 크기나 효과에 대한 중요도를 측정한 것이 아니다.
6. P-Value 자체만으로 가설이나 통계적 모형에 대한 증거로서의 좋은 측정값을 제공하지 않는다.

※ 결론 : 바람직한 통계적인 실행과 바람직한 과학적인 실행의 필수 요소로서 올바른 분석설계와 실행을
   강조하며, 데이터에 대한 다양한 숫자나 그래프를 이용한 정리, 분석하에 있는 현상에 대한 이해,
   전후 맥락을 고려한 결과의 해석, 데이터의 정리내용에 대한 전체적이고 적절하게 논리적이며
   양적인 보고가 중요하다는 것을 강조한다.

   어떠한 한개의 지표가 과학적인 사유를 대체해서는 안된다.

[2016년 3월]