2021论文写作中存在的数理统计问题.ppt

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）。 数据分析中数理统计方法的 正确使用 报告人 ： 张利田 《环境科学学报》编委会执行副主编、编辑部主任 2006-11-26 重要假定 ? 作者所处理的数据属于随机变量的特定样本。 ? 作者已经掌握最基本的数理统计学常识，如概率、 假设检验、均值、方差、标准差、正态分布、相 关分析、回归分析、方差分析 …… 。 数理统计问题的重要性 ? 在科学研究中，经常会涉及到对随机变量 大小 、 离散 及 分布 特征的描述以及对 2 个或多个随机变量之间的 关系 描述问题。 地学、环境科学研究也不例外 。 ? 对随机变量及随机变量之间的关系进行定量描述的数学工具就 是 数理统计学 。 ? 在科学研究中，能否正确使用各种数理统计方法关系到所得出 结论的客观性和可信性。所以， 来稿中使用的数理统计方法是 否正确 应是学术期刊编辑们极为重视的问题。 ? 目前，国内环境科学与技术类学术期刊对稿件中数理统计方法 问题的重视程度存在差异。 1 统计软件的选择 ? 统计分析通常涉及大量的数据，需要较大的计 算工作量。 ? 在进行统计分析时，尽管作者可以自行编写计 算程序，但在统计软件很普及的今天，这样做 是毫无必要的。 ? 出于对 工作效率 以及对 算法的通用性、可比性 的考虑，一些学术期刊要求作者采用专门的数 理统计软件进行统计分析。 1 统计软件的选择 ? 《环境科学学报》的编辑们在处理稿件时 经常发现的问题是： 作者未使用专门的数 理统计软件，而采用 Excel 这样的电子表格 软件进行数据统计分析。 ? 由于电子表格软件提供的统计分析功能十 分有限，只能借助它进行较为简单的统计 分析，故我们不主张作者采用这样的软件 进行统计分析。 1 统计软件的选择 ? 目前，国际上已开发出的专门用于统计分析的商 业软件很多，比较著名有 SPSS (Statistical Package for Social Sciences) 和 SAS (Statistical Analysis System)