论文写作中存在的数理统计问题概要.pptVIP

显著性水平：举例 在根据显著性水平进行统计推断时，应注意原假设的性质。 以二元相关分析为例，相关分析中的原假设是“相关系数为零”（即2个随机变量间不存在显著的相关关系）。如果计算出的检验统计量的相伴概率（p值）低于事先给定α值（如0.05），就可以认为“相关系数为零”的可能性很低， 既2个随机变量之间存在显著的相关关系。 在正态分布检验时，原假设是“样本数据来自服从正态分布的总体”。此时，如果计算出的检验统计量的相伴概率（p值）低于事先给定α值（如0.05），则表明数据不服从正态分布。只有p值高于α值时，数据才服从正态分布。这与相关分析的假设检验不同。 显著性水平 作者在描述相关分析结果时常有的失误是：仅给出相关系数的值，而不给出显著性水平。这就无法判断2个随机变量间的相关性是否显著。 有时作者不是根据显著性水平判断相关关系是否显著，而是根据相关系数的大小来推断（相关系数越近1，则相关关系越显著）。问题是，相关系数本身是一个基于样本数据计算出的观测值，其本身的可靠性尚需检验。 此外，作者在论文中常常用“显著相关”和“极显著相关”来描述相关分析结果，即认为p值小于0.05就是显著相关关系（或显著相关），小于0.01就是极显著相关关系（或极显著相关）。 统计推断的注意事项 在假设检验中，只有 “显著”和 “不显著”，没有“极显著”这样的断语。只要计算出的检验统计量的相伴概率（p值）低于事先确定的α值，就可以认为检验结果“显著”（相关分析的原假设是“相关系数为零”，故此处的“显著”实际意味着“相关系数不为零”，或说“2个随机变量间有显著的相关关系”）；同样，只要计算出的检验统计量的相伴概率（p值）高于事先确定的α值，就可以认为检验结果“不显著”。 统计推断的注意事项 在进行相关分析时，不能同时使用0.05和0.01这2个显著性水平来决定是否拒绝原假设，只能使用其中的1个。 有关相关分析的断语 1）显著和不显著：描述相关关系是否存在。 2）相关性强或不强：在存在相关关系的前提下，这种相关关系的强或弱。可以认为，相关系数越接近1，则相关性越强。 声明：第1）条是公认的数理统计常识，但第2）条是个人理解，仅供参考。本文不对第2）条承担责任。 5 重要的数理统计学常识 1）假设检验 统计推断：单侧检验与双侧检验 对于假设检验，其检验统计量的异常取值有2个方向，即概率分布曲线的左侧（对应于过小的值）和右侧（对应于过大的值）。 检验统计量的极端取值 检验统计量在左侧和右侧均有可能取值 检验统计量的取值空间 单侧检验与双侧检验 一般情况下，概率分布函数曲线两侧尾端的小概率事件都要考虑（即双侧检验）。如果事先有把握确定其中的一侧不可能取值，则仅需对另一侧的小概率事件进行检验即可（单侧检验）。 在用 “查表法”进行统计推断时，基于单侧小概率事件检验的临界值表称“单尾表”，基于双侧小概率事件检验的临界值表称“双尾表”。除t-分布临界值表是双尾表外，大多数的检验临界值表均为单尾表。 在显著性水平一定的情况下（例如α =0.05），对于单尾表，单侧检验时仍使用α进行统计推断，双侧检验则用α /2进行统计推断；对于双尾表，单侧检验时改用2α进行统计推断，双侧检验则用α 进行统计推断。 在统计软件（如SPSS或SAS统计软件）给出的计算结果中，已标注出所计算的相伴概率是单侧还是双侧，对应于上述的单尾表和双尾表。 单侧检验与双侧检验 以下是SPSS 中的单样本t检验输出结果： One-Sample Test（原假设：储户1次平均存取的现金与2000元无显著差异） Test Value=2000（均值比较的参比值） t=1.240(检验统计量的观测值) df=312(自由度，样本量N=313) Sig.(2-tailed)=0.216（双侧相伴概率p ） Mean Difference=473.78（均值的标准误差） 95% Confidence Interval of the Difference（总体均值与原假设值之差的95%的置信区间）:-278.13~1225.69（有95%的把握可认为：储户1次平均存取的金额为1721.87~3225.69元） 上述检验属 “均值比较”，是双侧检验（大于或小于2000元都算拒绝原假设），计算的相伴概率也是双侧的。因此，可直接用p与α比较。取α=0.05,则因p大于α，故不能拒绝原假设（不是小概率事件）。统计推断结果：根据313个储户调查数据，每个储户一次平均存取金额大体为2000元。 单侧检验与双侧检验 在统计软件中，可通过选择Test of Significance选项来控制所输出的相伴概率是单尾（1 tailed）概率还是双尾（2 tailed ）概率。 5 重要的数理统计学常识 2）正态分布检验 目的：检验