(2.6.1)-2.6 假设检验的注意事项

假设检验的注意事项PART01I型错误和II型错误假设检验采用小概率反证法的思想，根据P值作出的推断结论具有概率性，因此其结论不可能完全正确，可能发生两类错误。客观实际假设检验的结果拒绝H0

不拒绝H0H0成立

I型错误(

)推断正确(1-

)H0不成立即H1成立

推断正确(1-

)II型错误(

)I型错误和II型错误表3-9假设检验可能发生的两类错误假设检验时，研究者可根据不同研究目的来确定

值的大小。如

=0.05，当H0实际成立而拒绝H0时，则理论上每100次检验中，平均有5次发生这样的错误。I型错误和II型错误I型错误(typeIerror)拒绝了实际上成立的H0，这类“弃真”的错误称为I型错误。检验水准

就是预先规定的允许犯I型错误概率的最大值。I型错概率大小也用

表示。

可根据需要选择单侧（尾）或双侧（尾）。I型错误和II型错误II型错误(typeIIerror)“接受”实际上不成立的H0所犯的错误，这类“取伪”的错误称为II型错误。其概率大小用β

表示。β

只取单尾，β

的大小难于确定，必须在知道两总体差值δ

(如μ1-μ2)，α

及n

时，才能算出。图3-6I型错误与II型错误示意图(以单侧u检验为例)若要同时减小Ⅰ型错误α

以及Ⅱ型错误β，唯一的方法就是增加样本含量n。I型错误和II型错误检验效能，也称为把握度，用1

表示。它是指两总体确有差异，按规定的检验水准α

所能发现该差异的能力。和β一样，1

只取单尾。如1

＝0.90，意味着若两总体确有差别，则理论上平均每100次检验中，有90次能够得出差异有统计学意义的结论。α

越小，β

越大；反之α

越大，β

越小。检验效能(powerofatest)I型错误和II型错误拒绝H0，只可能犯I型错误，不可能犯II型错误；不拒绝H0，只可能犯II型错误，不可能犯I型错误。当n↑时，可同时

↓和

↓；当n不变时，

↑，

↓，（1

）↑。若重点是减少Ⅰ型错误α（如一般假设检验），一般取α=0.05；若重点是减少Ⅱ型错误β（如方差齐性检验，正态性检验或想用一种方法代替另一种方法的检验等），一般取α=0.10或0.20，甚至更高。注：PART02假设检验应注意的问题假设检验应注意的问题组间应均衡可比；应保证样本是从同质总体中随机抽取或随机分组。要有严密的研究设计，这是假设检验的前提。01思政：进行统计分析时，首先要保证分析数据的来源是科学合理的，这样分析的结果才可能真正揭示数据的规律。随意篡改数据是不可取的，违背科研诚信。分析目的、资料类型和分布、设计方案种类、样本例数大小及方法使用条件。如：计量资料服从正态配对设计：配对t检验

完全随机：两样本t检验

t

检验

u检验

小样本小样本大样本

(任一ni

60)(任一ni

60)

(ni均>60)方差齐方差不齐不同类型资料应选用不同的检验方法02假设检验应注意的问题假设检验应注意的问题“肯定”，“一定”，“必定”等词不能使用。报告结论时，应列出样本统计量，尽可能写出确切的P值或范围。正确理解“显著性(significant)”一词的含义差别有统计学意义：过去称差别有显著性，不能理解为差异大。假设检验P值并不指差异的大小，只能反映两者是否不同。因此，采用“有无统计学意义”来表述较为恰当。差异的大小只能根据专业知识来予以确定。03统计结论具有概率性，不能绝对化04假设检验应注意的问题置信区间与假设检验的区别与联系05置信区间用于说明量的大小即推断总体参数在哪个范围。假设检验用于推断质的不同即两总体参数是否不同。两者既相互联系，又有区别。置信区间亦可回答