統計假設檢驗檢視原始碼討論檢視歷史

統計假設檢驗

原圖鏈接來自搜狗的圖片

統計假設檢驗（Statistical hypothesis test）主要是驗證所選的模型和所解釋的公式，在結構上、形式上、變化方向上是否能代表客觀情況。一般採用最小平方法解模時必須進行統計假設檢驗，即應用統計推斷的假設檢驗原理，通過特定的統計量進行各種顯著性檢驗。

簡介

統計假設檢驗就是證明或推翻關於一定客體、現象和過程所研究特徵的統計上相互聯繫假說的一種程序。統計假設就是關於總體屬性的假設，這一假設可根據抽樣觀察資料進行檢驗。受到檢驗的這個假設就是關於統計上相互聯繫的和特徵值分布的假設。譬如，被研究的特徵值的集合（專業工會或受中等專業教育的工人數）按正態分布的這一假說就是統計假設。在社會學研究中經常檢驗兩個特徵分布的同一性假設，平均值、方差相等的假設，某一客體屬於一定總體的假設等等。統計假設檢驗過程就是從統計上證明所提假設的真實性（虛無性）。對所研究的未知或部分未知總體提出一些假設，由樣本的實際結果經過一定計算作出概率意義上應當接受何種假設的檢驗即為統計假設檢驗。對於多元回歸模型來說，需同時通過擬合優度、回歸方程的顯著性、各變量參數的顯著性、多重共線性、自相關等多種檢驗。但對於一元模型來說，只要進行其中的一項檢驗即可，因為一元模型中只有一個自變量，其作用就是其他模型中所有變量作用的總效果。

評價

要進行統計假設的檢驗， 必須利用各種不同的判據， 即利用規則來選擇。假設的採用與拒絕， 通常在判據的前件中應有某個數量指標（稱為統計判據）。根據判據方式， 假設分為參數假設和非參數假設。按照參數統計結論， 通常應提出被研究特徵在總體中分布的具體形式， 因為在這種情況下， 統計學通常是以分布參數（平均值、方差、回歸係數）的利用為依據的。非參數判據的優點是能把判據用於只靠名義級或次序級完成的特徵度量上。否定零假設的判據值總體能構成否定域。如果某一點能將否定域與接受零假設的區域劃分開來， 這一點就稱為臨界點。