跳到主要内容

假设检验

假设检验用样本证据判断一个关于总体的命题是否应被拒绝。它不是“证明命题正确”,而是在预先控制误判风险的规则下,衡量观测结果与原假设是否相容。

1. 基本思想​

1.1 原假设与备择假设​

关于参数 θ\theta 提出两个互斥命题:

H0:θ∈Θ0,H1:θ∈Θ1.H_0:\theta\in\Theta_0,\qquad H_1:\theta\in\Theta_1.

H0H_0 称为原假设,通常代表现状、无差异或需受保护的命题;H1H_1 称为备择假设。根据样本构造检验统计量 TT,将其样本空间划分为拒绝域 WW 与非拒绝域。

若观测统计量落入 WW,则拒绝 H0H_0;否则只能说“没有足够证据拒绝 H0H_0”,不能说“接受或证明 H0H_0 为真”。

1.2 检验的一般步骤​

  1. 根据研究问题写出 H0H_0 与 H1H_1;
  2. 说明随机抽样、独立性、分布形状等假设;
  3. 选择检验统计量及其在 H0H_0 下的分布;
  4. 预先给定显著性水平 α\alpha;
  5. 计算统计量和 PP 值,或与临界值比较;
  6. 用研究语境报告结论,并给出效应估计与区间。
备注

统计显著不等于实际重要。样本量很大时,微小差异也可能产生很小的 PP 值;应同时报告差异大小和置信区间。

2. 两类错误、显著性与功效​

2.1 两类错误​

检验决策可能发生两类错误:

  • 第一类错误:H0H_0 为真却拒绝 H0H_0;
  • 第二类错误:H1H_1 为真却未拒绝 H0H_0。

显著性水平控制第一类错误的最大概率:

sup⁡θ∈Θ0Pθ(拒绝 H0)≤α.\sup_{\theta\in\Theta_0}P_\theta(\text{拒绝 }H_0)\le\alpha.

对给定备择参数 θ∈Θ1\theta\in\Theta_1,第二类错误概率为

β(θ)=Pθ(未拒绝 H0).\beta(\theta)=P_\theta(\text{未拒绝 }H_0).

2.2 功效函数​

检验在参数 θ\theta 下拒绝 H0H_0 的概率

π(θ)=Pθ(拒绝 H0)\pi(\theta)=P_\theta(\text{拒绝 }H_0)

称为功效函数。在备择成立时,功效为 1−β(θ)1-\beta(\theta)。功效通常随样本量、效应大小和显著性水平增加而提高,随噪声增大而降低。

固定样本量时,减小 α\alpha 往往会增大 β\beta;不能同时无代价地降低两类错误。研究设计阶段应根据具有实际意义的最小效应、目标功效(常取 0.80.8 或 0.90.9)和 α\alpha 规划样本量。

2.3 PP 值​

PP 值是在 H0H_0 成立及模型假设正确的条件下,得到“至少与当前观测同样极端”结果的概率。若 p≤αp\le\alpha,则在水平 α\alpha 下拒绝 H0H_0。

常见误读

PP 值不是“H0H_0 为真的概率”,也不是结果由随机造成的概率;1−p1-p 不是备择假设为真的概率。它还依赖检验方向和预先规定的统计量。

3. 单侧与双侧检验​

若关注任一方向的偏离,使用双侧备择:

H0:θ=θ0,H1:θ≠θ0.H_0:\theta=\theta_0,\qquad H_1:\theta\ne\theta_0.

若只关注增大或减小,使用单侧备择:

H1:θ>θ0或H1:θ<θ0.H_1:\theta>\theta_0 \quad\text{或}\quad H_1:\theta<\theta_0.

双侧检验将 α\alpha 分配到两端;单侧检验把拒绝域放在一个方向,对该方向更有功效。

检验方向必须在看数据之前由问题决定。观察样本结果后再把双侧改成单侧,会放大第一类错误。

4. 单个总体均值检验​

设 X1,…,XnX_1,\ldots,X_n 为独立同分布样本,要检验 H0:μ=μ0H_0:\mu=\mu_0。

4.1 方差已知的 zz 检验​

若总体正态且 σ2\sigma^2 已知,或在适当大样本条件下,

Z=Xˉ−μ0σ/n∼N(0,1)Z=\frac{\bar X-\mu_0}{\sigma/\sqrt n}\sim N(0,1)

在 H0H_0 下成立。双侧检验的拒绝域为 ∣Z∣≥zα/2|Z|\ge z_{\alpha/2},双侧 PP 值为

p=2[1−Φ(∣zobs∣)].p=2[1-\Phi(|z_{\mathrm{obs}}|)].

4.2 方差未知的单样本 tt 检验​

若总体正态且 σ2\sigma^2 未知,则

T=Xˉ−μ0S/n∼t(n−1).T=\frac{\bar X-\mu_0}{S/\sqrt n}\sim t(n-1).

右侧检验在 T≥tα(n−1)T\ge t_\alpha(n-1) 时拒绝,双侧检验在 ∣T∣≥tα/2(n−1)|T|\ge t_{\alpha/2}(n-1) 时拒绝。

小样本 tt 检验要求总体近似正态,并对离群点较敏感;大样本下均值的中心极限定理可提供近似,但重尾分布和强依赖数据仍需谨慎。

4.3 例题​

某填充机目标均值为 500500 g。独立抽取 1616 袋,得 xˉ=504\bar x=504、s=8s=8 g,假设重量近似正态。检验 H0:μ=500H_0:\mu=500 对 H1:μ≠500H_1:\mu\ne500,取 α=0.05\alpha=0.05。

t=504−5008/16=2,ν=15.t=\frac{504-500}{8/\sqrt{16}}=2,\qquad \nu=15.

因为 t0.025(15)≈2.131t_{0.025}(15)\approx2.131,所以不拒绝 H0H_0;双侧 PP 值约为 0.0640.064。这不表示均值必然等于 500500 g,只表示证据尚不足。

5. 单个总体方差检验​

若样本来自正态总体 N(μ,σ2)N(\mu,\sigma^2),检验 H0:σ2=σ02H_0:\sigma^2=\sigma_0^2,则

Q=(n−1)S2σ02∼χ2(n−1).Q=\frac{(n-1)S^2}{\sigma_0^2}\sim\chi^2(n-1).

按右尾分位点约定,双侧拒绝域为

Q≥χα/22(n−1)或Q≤χ1−α/22(n−1).Q\ge\chi^2_{\alpha/2}(n-1) \quad\text{或}\quad Q\le\chi^2_{1-\alpha/2}(n-1).

若备择为 σ2>σ02\sigma^2>\sigma_0^2,只使用右尾;若为 σ2<σ02\sigma^2<\sigma_0^2,只使用左尾。

注意

卡方方差检验对非正态性敏感,特别容易受离群点影响。总体不是近似正态时,应考虑稳健或重抽样方法,不能仅凭样本量稍大就套用精确卡方检验。

6. 单个总体比例检验​

设 X∼B(n,p)X\sim B(n,p),检验 H0:p=p0H_0:p=p_0。大样本得分检验统计量为

Z=p^−p0p0(1−p0)/n,p^=Xn.Z=\frac{\hat p-p_0} {\sqrt{p_0(1-p_0)/n}}, \qquad \hat p=\frac Xn.

注意检验统计量的标准误应使用原假设值 p0p_0。通常要求 np0np_0 与 n(1−p0)n(1-p_0) 均足够大;否则应使用二项分布计算精确 PP 值。

离散分布的精确检验往往无法使第一类错误概率恰好等于 α\alpha,因此通常偏保守。数据若来自聚类抽样或重复测量,伯努利独立性不成立,普通二项检验会低估标准误。

7. 两个总体均值检验​

7.1 两独立样本:Welch tt 检验​

两组独立样本均值、方差和样本量分别为 Xˉ,S12,n1\bar X,S_1^2,n_1 与 Yˉ,S22,n2\bar Y,S_2^2,n_2。检验

H0:μ1−μ2=Δ0H_0:\mu_1-\mu_2=\Delta_0

时,不要求方差相等的 Welch 统计量为

T=Xˉ−Yˉ−Δ0S12/n1+S22/n2.T= \frac{\bar X-\bar Y-\Delta_0} {\sqrt{S_1^2/n_1+S_2^2/n_2}}.

其近似自由度为

ν=(S12/n1+S22/n2)2(S12/n1)2n1−1+(S22/n2)2n2−1.\nu= \frac{(S_1^2/n_1+S_2^2/n_2)^2} {\dfrac{(S_1^2/n_1)^2}{n_1-1} +\dfrac{(S_2^2/n_2)^2}{n_2-1}}.

Welch 检验通常应作为两个独立均值比较的默认选择。小样本时要求每组总体近似正态;两组样本还必须相互独立。

7.2 等方差合并 tt 检验​

若有充分依据认为 σ12=σ22\sigma_1^2=\sigma_2^2,定义

Sp2=(n1−1)S12+(n2−1)S22n1+n2−2,S_p^2= \frac{(n_1-1)S_1^2+(n_2-1)S_2^2} {n_1+n_2-2},

则

T=Xˉ−Yˉ−Δ0Sp1/n1+1/n2∼t(n1+n2−2).T= \frac{\bar X-\bar Y-\Delta_0} {S_p\sqrt{1/n_1+1/n_2}} \sim t(n_1+n_2-2).

不要仅因一次方差齐性预检验“不显著”就认定方差相等;该预检验自身可能功效不足,并会改变整体推断性质。

7.3 配对 tt 检验​

同一对象前后测量或按特征匹配的数据不是两个独立样本。令每对差值 Di=Xi−YiD_i=X_i-Y_i,检验 H0:μD=Δ0H_0:\mu_D=\Delta_0:

T=Dˉ−Δ0SD/n∼t(n−1).T=\frac{\bar D-\Delta_0}{S_D/\sqrt n} \sim t(n-1).

要求各对之间独立,并在小样本时要求差值近似正态,而不是分别要求两次测量正态。忽略配对结构会丢失信息并使用错误的标准误。

8. 两个总体方差与比例检验​

8.1 正态总体方差比​

两组独立样本分别来自正态总体。检验 H0:σ12=σ22H_0:\sigma_1^2=\sigma_2^2 时,

F=S12S22∼F(n1−1,n2−1).F=\frac{S_1^2}{S_2^2}\sim F(n_1-1,n_2-1).

双侧检验需要同时考虑两端。交换分子分母也会交换两个自由度。经典 FF 检验对非正态性很敏感;若目的是比较离散程度,可考虑 Levene 或 Brown--Forsythe 检验。

8.2 两总体比例​

设两组独立二项样本的成功数为 X1,X2X_1,X_2,样本比例为 p^1,p^2\hat p_1,\hat p_2。检验

H0:p1=p2H_0:p_1=p_2

时,原假设下使用合并比例

p^=X1+X2n1+n2,\hat p=\frac{X_1+X_2}{n_1+n_2},

统计量为

Z=p^1−p^2p^(1−p^)(1/n1+1/n2).Z= \frac{\hat p_1-\hat p_2} {\sqrt{\hat p(1-\hat p)(1/n_1+1/n_2)}}.

该正态近似要求各组期望成功数和失败数足够大。稀疏的 2×22\times2 列联表可使用 Fisher 精确检验。若数据是配对二分类结果,应使用 McNemar 检验,而非独立两比例检验。

9. 检验与置信区间的关系​

对于双侧水平 α\alpha 检验,若参数原假设值 θ0\theta_0 不在对应的 1−α1-\alpha 双侧置信区间内,则拒绝 H0:θ=θ0H_0:\theta=\theta_0;若在区间内,则不拒绝。

区间还能展示效应的方向、大小和不确定性,通常比只报告“显著/不显著”更完整。这个对偶关系要求检验与区间使用相同模型和构造方法。

10. 检验选择流程​

按以下顺序选择方法:

  1. 明确响应变量与参数:连续均值、正态方差,还是二分类比例?
  2. 确认设计:单样本、两独立样本,还是配对样本?
  3. 确定方向:研究问题预先指定单侧或双侧;
  4. 检查条件:随机性、独立性、正态性、方差齐性和期望频数;
  5. 选择统计量:
    • 单均值:σ\sigma 已知用 zz;未知且正态用单样本 tt;
    • 两独立均值:优先 Welch tt;明确等方差时可用合并 tt;
    • 配对均值:对差值做单样本 tt;
    • 单正态方差用卡方,两正态方差比用 FF;
    • 单比例用二项或比例 zz,两独立比例用合并比例 zz;
  6. 条件不满足时调整:考虑变量变换、置换检验、秩检验、精确检验或合适的回归模型;
  7. 报告:统计量、自由度、PP 值、效应估计、置信区间和假设检查。
提示

“样本量大”主要帮助均值或比例的近似正态性,并不能修复选择偏差、依赖结构、错误配对、测量偏差或严重模型错设。

11. 易错点​

  • 用“不拒绝 H0H_0”表述成“证明 H0H_0 正确”;
  • 将 PP 值解释成原假设为真的概率;
  • 看完数据再选择单侧方向或显著性水平;
  • 忽略多重检验造成的整体第一类错误膨胀;
  • 两独立样本与配对样本混用;
  • 方差未知时仍把样本标准差当成已知总体标准差使用 zz;
  • 两比例检验在 H0:p1=p2H_0:p_1=p_2 下忘记使用合并比例;
  • 不检查正态性便使用对偏离正态敏感的卡方或 FF 方差检验;
  • 只报告 PP 值,不报告效应量、区间和样本量。

若同时检验 mm 个假设,每个都按 α\alpha 判断,至少一次误拒的概率可能远大于 α\alpha。简单控制可用 Bonferroni 阈值 α/m\alpha/m;探索性研究还可控制错误发现率,但方法应预先说明。

References​

  1. 盛骤,谢式千,潘承毅:《概率论与数理统计》,高等教育出版社。
  2. 茆诗松,程依明,濮晓龙:《概率论与数理统计教程》,高等教育出版社。
  3. Casella, G. and Berger, R. L., Statistical Inference, Cengage Learning.
  4. Lehmann, E. L. and Romano, J. P., Testing Statistical Hypotheses, Springer.