假设检验概述及总体均值的检验(含SPSS操作).pdfVIP

假设检验概述与总体均值的检验(含 SPSS 操作) 第三节 假设检验概述 一 假设与检验 假设检验是对统计假设的判断。所谓统计假设是关于总体未知分布的有关假设。例如， 一项汉语阅读策略训练，被试训练前的阅读理解平均成绩为μ ，训练后的阅读理解平均成 1 绩为μ2 ，试问该项训练是否有成效？这个问题的所涉及的两种情况（训练无效或有效）可 以用统计假设的形式表示： H : μ μ ; H : μ μ （7.15 ） 0 1 2 1 2 1 其中H 0 称为零假设或原假设（null hypothesis ），H 1 称为备择假设或对立假设（alternative hypothesis ）。 μ μ H μ H 0 表示 1 与 2 之间没有显着差异（即训练的成效不显着）， 1 表示 2 显着 高于μ （训练的成效显着）。检验（test ）就是要做出是否拒绝零假设H 的判断。 1 0 统计假设可以是针对总体参数的，也可以是针对总体分布类型的，还可以是针对总体模 型方面的。像（7.15 ）那样仅涉及到总体分布的未知参数的假设称为参数假设，对应的检验 称为参数检验（parametric test ）。其它的检验统称为非参数检验（nonparametric test ），如分 布检验、独立性检验等。 二 小概率原理 假设检验中推理的理论依据是“小概率原理”，即认为小概率事件在一次实验或观测中， 几乎是不可能发生的。在对统计假设H 0 进行检验时，我们需要构造一个检验统计量，它的 分布在H 0 成立时是可以确定的（如标准正态分布、t 分布等）。然后根据事先约定的“小概 率”α （习惯上取 0.05 或 0.01，如果没有特别说明，本书取 0.05 ），将检验统计量的取值范 围划分为两个区域：接受域和拒绝域。检验统计量落入拒绝域为一个“小概率事件”A ，落 入接受域为一个“大概率事件”。当检验统计量是标准正态分布时，图7-1 给出了拒绝域（两 端）及相应的概率（阴影部分）示意图，其中的Zα 2 是标准正态分布的α双侧分位点，它 是接受域与拒绝域的临界点。当由样本计算出的检验统计量的值落在接受域中时，认为不能 拒绝H 0 ；若落在拒绝域中，则拒绝H 0 。检验的推理过程与反证法类似：先假设H 0 为真， 当由样本计算出的检验统计量的“一次观察值”落在拒绝域时，表明小概率事件 A 居然在 一次观测中发生了，这与小概率原理矛盾。这就不能不让人怀疑H 0 的正确性，从而做出拒 绝H 0 的判断。 1 图7-1 接受域与拒绝域示意图 三 检验的两类错误 由于我们的判断是根据统计量做出的，因而存在错判的可能性。有两种错判情形：第一， 当H 0 为真时，小概率事件A 并非绝对不会发生，其发生的概率为α。因此当H 0 本来是真 的，但是检验统计量的观测值却落入拒绝域（事件 A 发生），错误地拒绝了H 0 ，这时犯了 “拒真”错误，称为第一类错误，犯第一类错误概率就是事件A 的概率α。第二，H 0 是不 真的，但是检验统计量的观测值又没有落入拒绝域，因而错误地接受了H 0 ，这时犯了“受 伪”错误，称为第二类错误。犯第二类错误的概率通常记为β 。图7-2 给出了两类错误的示 意图。显然，对于一个确定的检验，若α越小，则β越大，反之亦然。要想同时减少两类 错误，可以增加样本容量 N 。 当拒绝H 0 时，犯第一类错误的概率α是很小的，可以事先控