KNOWECON WIKI

ARTICLE

两总体比例的 z 检验

两总体比例的 Z 检验 两总体比例的 Z 检验（Two-Sample Proportion Z-Test）是统计推断中用于比较两个独立总体比例是否存在显著差异的一种经典方法。它广泛应用于医学临床试验（如比较实验组与对照组的有效率）、市场调研（如比较两个不同地区的产品购买率）、社会科学调查（如比较不同群体的政策支持率）、质量管控（如比较两条生产线的次品率）以及

浏览 0 更新 2025-10-26

两总体比例的 Z 检验

两总体比例的 Z 检验（Two-Sample Proportion Z-Test）是统计推断中用于比较两个独立总体比例是否存在显著差异的一种经典方法。它广泛应用于医学临床试验（如比较实验组与对照组的有效率）、市场调研（如比较两个不同地区的产品购买率）、社会科学调查（如比较不同群体的政策支持率）、质量管控（如比较两条生产线的次品率）以及流行病学研究（如比较不同暴露组的发病率）等诸多场景。该检验以中心极限定理为基础，通过正态近似构造标准化 Z 统计量，从而实现两总体比例差异的统计推断。

适用条件与基本假设

两总体比例的 Z 检验的可靠性依赖于若干关键前提，在实际应用中必须仔细审视。第一，两个样本必须相互独立，这意味着从一个总体的抽样不应以任何方式影响另一总体的抽样结果，且两个总体之间也不存在天然的配对或关联关系。当样本来自配对设计时（如同一组受试者接受治疗前后的比较），应改用 McNemar 检验。第二，每个样本必须通过简单随机抽样获取，以保证样本的代表性和无偏性，避免选择偏误的引入。第三，样本容量必须足够大，使得样本比例所服从的二项分布能够被正态分布合理近似——通常要求每个样本的成功数 n1p^1 n_1 \hat{p}_1 和失败数 n1(1−p^1) n_1(1-\hat{p}_1) 均不小于 5，第二个样本也应满足同样的条件。若这些条件无法满足，应考虑使用 Fisher 精确检验等替代方法。

设总体 1 的真实成功比例为 p1 p_1 ，总体 2 的真实成功比例为 p2 p_2 。从两个总体中分别独立抽取样本容量为 n1 n_1 和 n2 n_2 的样本，观测到的成功次数分别为 x1 x_1 和 x2 x_2 。由此可得样本比例分别为 p^1=x1/n1 \hat{p}_1 = x_1 / n_1 和 p^2=x2/n2 \hat{p}_2 = x_2 / n_2 ，它们分别是 p1 p_1 和 p2 p_2 的点估计量。

假设设定

根据研究问题的具体方向，检验可采取双侧或单侧形式。双侧检验是最常用的形式，用于判断两总体比例是否存在任何方向的差异：

H0:p1=p2vs.H1:p1≠p2H_0: p_1 = p_2 \quad \text{vs.} \quad H_1: p_1 \neq p_2

单侧检验则用于判断某一总体的比例是否严格大于（或小于）另一总体。例如，若研究者想要验证新治疗方案的有效率不低于传统方案，则可设定：

H0:p1≤p2vs.H1:p1>p2H_0: p_1 \leq p_2 \quad \text{vs.} \quad H_1: p_1 > p_2

假设的选择应基于研究问题的先验知识和理论依据，不可在观察到数据之后再事后决定假设的方向。

检验统计量的构造与推导

在原假设 H0:p1=p2 H_0: p_1 = p_2 成立的条件下，两个总体共享同一个成功比例 p0 p_0 。为充分利用全部数据信息，通常使用合并比例（pooled proportion）作为该共同比例的估计量：

p^=x1+x2n1+n2\hat{p} = \frac{x_1 + x_2}{n_1 + n_2}

合并比例本质上是两个样本成功次数的加权平均，权重为各自的样本量。基于这一合并估计，两样本比例差值的标准误可表示为：

SE(p^1−p^2)=p^(1−p^)(1n1+1n2)\text{SE}(\hat{p}_1 - \hat{p}_2) = \sqrt{\hat{p}(1 - \hat{p})\left(\frac{1}{n_1} + \frac{1}{n_2}\right)}

Z 检验统计量则构造为样本比例差值与标准误之比：

Z=p^1−p^2p^(1−p^)(1n1+1n2)Z = \frac{\hat{p}_1 - \hat{p}_2}{\sqrt{\hat{p}(1 - \hat{p})\left(\frac{1}{n_1} + \frac{1}{n_2}\right)}}

在原假设下，该统计量近似服从标准正态分布 N(0,1) N(0, 1) 。当 ∣Z∣ |Z| 超过给定显著性水平 α \alpha 对应的临界值 zα/2 z_{\alpha/2} 时，拒绝原假设，认为两总体比例存在统计上显著的差异。P 值则提供了在零假设下观测到当前或更极端结果的概率，作为判断证据强度的连续度量。

置信区间

与假设检验互补的是两总体比例差异的置信区间估计。置信区间提供了参数差异的可能取值范围，比单一的 P 值蕴含更为丰富的信息。在构造置信区间时，由于不再假设 p1=p2 p_1 = p_2 ，因此无需使用合并比例，而直接采用各样本比例分别估计标准误：

(p^1−p^2)±zα/2p^1(1−p^1)n1+p^2(1−p^2)n2(\hat{p}_1 - \hat{p}_2) \pm z_{\alpha/2} \sqrt{\frac{\hat{p}_1(1 - \hat{p}_1)}{n_1} + \frac{\hat{p}_2(1 - \hat{p}_2)}{n_2}}

其中 zα/2 z_{\alpha/2} 为标准正态分布的 α/2 \alpha/2 上侧分位数。该区间以 1−α 1-\alpha 的置信水平覆盖真实比例差异 p1−p2 p_1 - p_2 。置信区间的宽度受样本量和样本比例的影响：样本量越大、比例越接近 0 或 1，区间越窄，估计精度越高；反之则越宽。

注意事项与实际应用

在实际应用中需注意以下几个方面。第一，当样本量较小时，正态近似的精度会下降，检验的实际显著性水平可能偏离名义水平，此时可考虑使用连续性校正或 Wilson 区间、Agresti-Coull 区间等改进方法。第二，若数据来源于配对设计（如病例对照研究中的匹配样本），应改用 McNemar 检验而非独立样本 Z 检验，因为配对数据破坏了独立性假设。第三，当同时对多组比例进行两两比较时，需注意多重比较问题，无论采用 Bonferroni 校正、Holm 校正还是其他方法，目标都是控制族系错误率在合理水平。第四，除报告 P 值外，还应呈现效应量的点估计及其置信区间（如比例差或比值比），以帮助读者判断差异的实际意义，而非仅关注统计显著性。统计显著性不等同于实际重要性，大样本可能将微小差异判定为显著，而小样本可能因检验功效不足而遗漏重要差异。因此，全面的报告应同时包含检验统计量、P 值、效应量估计及其置信区间，并在此基础上做出科学结论。总之，两总体比例的 Z 检验是类别数据分析中基本而有力的工具，正确理解其假设条件和运用局限对于得出可靠的统计结论至关重要。