张厚粲第八章假设检验答题.pptVIP

第八章 假设检验 第一节 假设检验的原理 一、假设与假设检验 （一）假设检验 假设检验：利用样本数据来评价关于总体目标的某一假设的可置信性。（在多大程度上我们可以相信这个假设是正确的）。 比如一个样本均值从总体中被随机抽取的概率为10%，那么我们就有90%的把握认为从该总体中抽出的不是此平均值，而只有10%的把握认为该样本能从这一总体样本中抽取出来，可置信性为10%，即我们有10%的把握认为该假设是正确的，或接受该假设。 假设检验是我们在了解了某种假设可能正确的概率后，判断到底是不是接受它的过程。但假设检验不是对假设的正确性作出确定的判断，而是对一个不正确问题的决策过程，其结果从概率上讲很有可能是正确的，但是不排除错误的可能性。 （二）假设检验的基本逻辑 1.两种假设 对于任何一种研究设计，不外乎两种结果，要么符合我们的预期，要么处理效应不存在，我们观察到的只是随机误差引起的。 前者我们称之为备择假设，用H1表示，表明因变量的变化、差异确实是由于自变量的作用引起的，即自变量两个水平在因变量上的得分不同，这往往是我们对结果的预期。H1:μ1≠μ0 后者称之为虚无假设（零假设），用H0表示，意为实际上什么也没有发生，我们预期的差异、处理效果都不存在。 H0:μ1=μ0 备择假设与虚无假设有时没有方向性，我们只是关注二者是否不同，比如“A与B之间存在（不存在）显著差异”。而有时具有方向性，比如“A显著大于B”。 注意：备择假设与虚无假设是互斥的，肯定一个必须否定另一个。要么接受H0，拒绝H1；要么接受H1 ；拒绝H0。 进行假设检验时，一般是从零假设出发，以样本与总体无差异的条件计算统计量的值，并分析计算结果在抽样分布上的概率，根据相应的概率判断应接受零假设、拒绝研究假设还是拒绝零假设、接受研究假设。 二、决策标准（显著性水平α、观测概率Р） 1.显著性水平α（ α =0.05； α =0.01； α =0.0001） 被选作拒绝零假设的基础的临界概率，即犯错误的概率。如果零假设为真的概率小于或等于α，则拒绝零假设；如果零假设为真的概率大于α，则接受零假设。 2.观测概率Р P 随机误差导致的概率 P ≤ α P ＞ α 3.临界值 α =0.05； α =0.01； α =0.0001的Z值 t值 F值 3.决策标准 决策标准基于显著性水平α 所做出的判断。 P 随机误差导致的概率。 决策法则（以零假设H0为例） 若H0为真的概率等于或小于5%（ P ≤ α =0.05），那么拒绝零假设，接受备择假设。 若H0为真的概率大于5%（ P ＞ α =0.05），那么拒接受零假设，拒绝备择假设。 二、假设检验的两类错误 （一）Ⅰ型错误与Ⅱ型错误 Ⅰ型错误：拒绝H0（接受H1） 所犯的错误（ α型错误 ） Ⅱ型错误：接受H0（拒绝H1）所犯的错误（ β型错误） 注意：接受H0时并不表示二者没有差异。 （二）假设检验中的两类错误 1.弃真错误（Ⅰ型错误）：零假设（ H0 ）本来是正确的，但拒绝了。 可能原因： 样本中有极端值；显著性水平的取值。 2. 取伪错误（Ⅰ型错误）：零假设（ H0 ）本来不正确，但接受了。（Ⅱ型错误） 可能原因： 实验设计不灵敏。 样本数据变异性过大。 处理效应本身比较小。 3.两类错误的关系 （1） α +β不一定等于1 α与β是不同概率分布下的概率值，因此α+β≠1。 假设检验时首先做了总体参数分布形态的假设。α拒绝H0 ，而接受H1的判断，那么若做出拒绝H0 ，而接受H1的判断，就犯了错，发生错误的概率为α。 这里发生α错误的前提条件是H0为真，如果显著性水平设为5%，则α=5%，1-α=95%。 β 接受H0 ，而拒绝H1的判断，由于在抽样过程中，样本有可能不属于这个总体，而属于另一个总体，两总体参数的概率分布有交叉，这一样本就出现在交叉区域的接受域概率分布中，做出接受原假设，而拒绝备择假设的判断就犯了错，发生错误概率设为β。  这里发生β错误的前提条件是H1为真， H0为假。 （2）在其他条件不变的情况下， α与β不可能同时增大或减小 （3）统计检验力（1- β ） 前提H1为真：接受H0（拒绝H1）所犯的错误为 β型错误，那么接受H1的概率就为1- β。 统计检验力（1- β ）：正确检验真实差异的能力 总之,当检验结果是接受虚无假设时,人们更关注犯II型错误的概率β值的大小,或其反面即统计检验力1-β值的大小,β值越小(也即统计检验力越大),那么犯错误的可能性越小。 统计检验力 统计检验力又称假设检验的效力，是指假设检验能够正确辨认真实差异的能力。因此可以表示为1-β。影响统计检验力的因素有：①处理效应大小，处理效应越明显，越容易被检验