统计显着性检验.pdf

《心理学实验的设计与报告》 第11章统计 ：显著性检验 吴旭 本章重点 如何理解可靠的差异和相关 问题的关键在于 ： 即使自变量并不会对因变量造成影响， 即使我们没有引入自变量， 也会发现不同条件下的因变量不可避免的或多或少的差异， 仅仅反复测量同意参与者的表现，所得结果之间 使得某些实验条件下的表现明显好于另一些 也会存在差异。 我们需要找到一种方法 我们可以借助推论统计的方法来进行显著性检验 将自变量引起的差异(有效的)与固有的差异区分开 关键概念 推论统计是什么？ 假设自变量对因变量没有影响，推论统计让我们可以评估得到实验结果中数据的概率有多大。 这里对 “自变量对因变量没有影响”的假设，即为虚无假设。 显著性检验的步骤 1 决定研究类型——比较差异还是考察相关 2 选择合适的检验方法 3 确定显著性水平，决定选择单尾检验还是双尾检验 4 计算统计值 5 获得对应的概率值，考虑是否拒绝虚无假设 6 思考拒绝/不拒绝虚无假设的原因，以及对应的自变量与因变量的关系 Step1 决定研究类型 在这一步需要决定，推论统计要解决的问题是比较不同条件的差异还是考察不用变量之间的相关性。 Step2 选择合适的检验方法 为了决定选用哪一种统计方法，需要考虑许多问题，包括你从事研究的类型，你获得数据的性质，以及 你想通过这些数据解决什么具体问题。 应该考虑的关键问题包括 ： 1、你想比较的是不同条件之间的差异还是考察变量间的相关？ 2、你的数据类型属于哪种？是称名型、顺序型还是等距及等比型？ 3、如果是等距型及等比型的数据，是否能够保证这些数据取自一个正态分布的总体？ 4、如果希望比较不同条件间的差异，你的研究操纵了多个自变量吗？ 5、如果希望比较不同条件间的差异，你每次想比较几种条件？ 6、在不同条件下，你使用的是相同的参与者还是不同的参与者？ Step3 确定显著性水平，决定选择单尾检验还是双尾检验 什么是显著性水平？ 在显著性检验中，我们需要得到，如果虚无假设成立，获得实验结果的概率是多少？然而这个概率需要通过 一个临界值来解读，大于临界值意味着什么？小于临界值又意味着什么，这个临界值就是显著性水平或者α水平。 通常情况下，显著性水平可以设为0.05或者小于0.05，这就是所谓的5%的显著性水平。 单尾检验和双尾检验的选择 在实践中，如果用两种方式检验同一种数据，二者的差异在于用单尾检验得到显著结果的同时，用双尾检验可能 是不显著的。如果你认为可以忽略任何有悖于实验假设的差异时，才能使用单尾检验。如果不能，应该使用双尾检验。 Step4 计算统计值 更具所选用的统计方法 （例如卡方检验等），用统计软件包或手算方法计算数据的统计值。 Step5 获得对应的概率值，考虑是否拒绝虚无假设 当使用统计软件包时，它将会提供与统计值对应的精确概率值。 当所得概率小于或等于显著性水平，我们有足够的证据拒绝虚无假设，这样的数据统计上显著。 当所得概率大于显著性水平，我们每有足够的证据拒绝虚无假设，即无法拒绝虚无假设，这样的数据统计上不显著。 当使用手算的方式统计结果时，可以查看与选用统计方法相对应的统计值表，根据所用的显著性水平，找到其对应的 临界值，当统计值在一定方向上等于或者超过这个值，则表明数据在统计上显著，反之则统计上不显著。 然而，统计结果显著并不意味着具有很大的心理学价值，需要区分统计显著性和心理学价值。 Ⅰ型错误和Ⅱ型错误 即使我们决定了拒绝或者不拒绝虚无假设，我们的结果也有可能是错误的。 如果得出的概率小于显著性水平，我们拒绝了虚无假设，但是虚无假设实际上是正确的，我们便错误地拒绝了虚无假设， 犯了Ⅰ型错误。反之，我们没有拒绝虚无假设，但是虚无假设实际上是错误的，我们便犯了Ⅱ型错误。 我们犯 Ⅰ型错误的概率就是显著性水平，将显著性水平严格化可以降低我们犯 Ⅰ型错误的概率，但是同时也会增加我们 犯Ⅱ型错误的概率。 常用的显著性水平5%和1%就是综合考虑了两种错误类型的结果。 Step6 思考拒绝/不拒绝