0和1的p值的Performe qnorm（）

在我的硕士论文中，我正在做格兰杰非因果检验的元回归分析。感兴趣的效应是F-和卡方分布的，因此要在元回归中使用主题，它们必须转换为正态变量。现在，我使用probit函数（标准正态累积分布的逆函数）来解决这个问题。这基本上是p值的qnorm（）（据我所知）

我现在的问题是，基础研究有时报告p值为0或1。用qnorm（）转换它们会得到Inf和-Inf值。 我的解决方法是将0个p值与接近0的值交换，例如1e-180 和1个值接近1的p值，例如0.99999999999999（由于R将更多“9”的结果更改为1，因此只能使用16 9）

有谁知道解决这个问题的更好办法吗？这在数学上合理吗？排除0和1 p值将完全改变结果，因此，在我诚实的观点中，这是错误的。 我现在的代码示例：

df$p_val[df$p_val == 0] <- 1e-180
df$p_val[df$p_val == 1] <- 0.9999999999999999 

df$probit <- -qnorm(df$p_val)

---

df$p_val[df$p_val==0]你需要记住，报告p值为0的研究本身接近一个非常小但非零的p值。是的，谢谢。但我不知道它到底有多小。根据每项研究结果的小数位数，假设p值为0，这是您的想法吗？大多数p值非常低的研究报告都有p值的上限，如p<0.0001。在这种情况下，我想你可以假设上限（0.0001）好的，非常感谢！