假设检验 (Hypothesis Test)

假设检验 (Hypothesis Test)

假设检验 (Hypothesis Test)，亦称 显著性检验 (Significance Test)，是推断统计学的核心工具之一。它提供了一套规范的推断程序，用于根据样本数据判断关于总体参数或分布形式的某种断言是否成立。其基本逻辑可概括为"反证法"与"小概率原理"的结合：先假设一个待检验的命题（零假设）成立，然后考察在当前假设下观测到现有样本结果（或更极端结果）的概率；若该概率足够小，则判定样本数据与原假设不一致，从而拒绝零假设。

基本概念

零假设与备择假设

每次假设检验涉及两个对立的假设：

• 零假设 ($H_0$)：通常代表"无效应""无差异""无关系"的保守陈述，是检验中假定为真的基准。研究者试图寻找证据推翻这一假设。零假设通常反映当前公认状态或"无变化"的立场，因此拒绝它需要足够强的证据。
• 备择假设 ($H_1$ 或 $H_a$)：零假设的对立面，代表研究者试图证明的结论。根据问题性质可分为：
• 双边备择：$H_1: \mu \neq \mu_0$，检验任意方向的偏离，适用于仅关心是否存在差异的场景。
• 单边备择：$H_1: \mu > \mu_0$ 或 $H_1: \mu < \mu_0$，检验特定方向的偏离，适用于有先验方向性预期的场景。单边检验的统计功效更高，但若实际方向与预期相反，则会完全失效。

检验统计量与抽样分布

检验统计量 (Test Statistic) 是从样本数据中构造的一个函数，其概率分布（在 $H_0$ 为真条件下）是已知的。常见的检验统计量包括：

• z 统计量：总体方差已知或大样本情况下，用于均值检验。服从标准正态分布。
• t 统计量：总体方差未知的小样本均值检验。服从t分布，自由度 $n-1$。
• $\chi^2$ 统计量：用于分类数据的拟合优度检验和独立性检验。服从卡方分布。
• F 统计量：用于方差分析(ANOVA)和回归模型的整体显著性检验。服从F分布。
• z 比例统计量：用于总体比例的检验。

两类错误

| 决策\真实状态 | $H_0$ 为真 | $H_0$ 为假 | |:---:|:---:|:---:| | 不拒绝 $H_0$ | 正确决策（$1-\alpha$） | 第二类错误（$\beta$） | | 拒绝 $H_0$ | 第一类错误（$\alpha$） | 正确决策（$1-\beta$） |

• 第一类错误（Type I Error，弃真）：$H_0$ 真却拒绝。其概率上限 $\alpha$ 称为显著性水平，通常预设为 0.05、0.01 或 0.10。
• 第二类错误（Type II Error，取伪）：$H_0$ 假却未拒绝。其概率记为 $\beta$。
• 统计功效（Statistical Power）：$1-\beta$，即正确拒绝假零假设的概率。功效受 $\alpha$、效应量、样本量和总体变异性等因素影响。

在样本量固定的情况下，$\alpha$ 与 $\beta$ 呈此消彼长的关系。增大样本量可同时降低两类错误。

检验的基本步骤

第一步：陈述假设。明确写出 $H_0$ 和 $H_1$，确定检验方向（单边或双边）。

第二步：确定显著性水平 $\alpha$。根据研究领域惯例设定第一类错误的容忍上限。

第三步：计算检验统计量。根据数据类型、样本量和分布假设选择适当的统计量公式，代入样本数据计算观测值。

第四步：做出统计决策。两种等价的方法：

• 临界值法：根据 $\alpha$ 和抽样分布确定临界值（Critical Value）和拒绝域（Rejection Region）。若检验统计量落入拒绝域，拒绝 $H_0$。
• P值法：计算P值——在 $H_0$ 为真的前提下，观测到当前或更极端结果的概率。若 $p \leq \alpha$，拒绝 $H_0$；否则不拒绝 $H_0$。

第五步：结论陈述。将统计结论转化为实际问题的语言，并报告检验统计量、P值和效应量估计。

示例：单样本 t 检验

某校声称学生平均每周阅读时间 $\mu = 10$ 小时。随机抽取 $n=25$ 名学生，样本均值 $\bar{x}=8.5$，标准差 $s=3.2$。取 $\alpha=0.05$。

$H_0: \mu=10$，$H_1: \mu \neq 10$（双边检验）。

计算 t 统计量：

自由度 $df = 24$，$t_{0.025, 24} \approx \pm 2.064$。$|t| = 2.34 > 2.064$，落入拒绝域。

P 值：$p = 2 \times P(T_{24} \leq -2.34) \approx 0.028$。

结论：拒绝 $H_0$（$t(24)=-2.34, p=0.028$），有显著证据表明学生平均阅读时间不等于 10 小时。

此示例展示了完整的检验流程：从假设陈述、显著性水平设定，到统计量计算、P值获取，最后基于预定标准做出统计结论并报告结果。

双样本检验简介

除单样本检验外，实践中更常见的是双样本检验，用于比较两个总体的参数差异：

• 独立样本 t 检验：比较两个独立组的均值，如处理组与对照组的疗效差异。根据方差是否齐性，可选择标准 t 检验或 Welch t检验。
• 配对样本 t 检验：比较同一组对象在两种不同条件下的均值差异，或匹配样本的差异，如"前测-后测"设计。其本质是转化为单样本检验——直接检验差值的均值是否为零。
• 双样本比例检验：比较两个总体比例的差异，常用于 A/B 测试中的转化率比较。

假设检验与置信区间的关系

置信区间与假设检验在数学上互为对偶。对于双边检验，在显著性水平 $\alpha$ 下拒绝 $H_0: \mu=\mu_0$ 当且仅当 $\mu_0$ 落在参数的 $100(1-\alpha)\%$ 置信区间之外。因此，置信区间不仅提供检验结论，还展示参数可能的取值范围，比单一的"拒绝/不拒绝"二分决策提供更丰富的信息。

统计显著性与实际显著性

统计显著性（$p \leq \alpha$）仅表明观察到的效应不太可能由抽样误差造成，并不等同于该效应实际重要。在大样本研究中，即使极小且毫无实际意义的差异也可能达到统计显著。因此，研究者应同时报告效应量（如 Cohen's d、η²、Cramér's V）及其置信区间，并结合领域知识判断结果的实际意义。

常见误区与注意事项

1. P值不是 $H_0$ 为真的概率，而是在 $H_0$ 为真的假定下观测到当前数据的概率。
2. "不拒绝 $H_0$"不等于"接受 $H_0$"——仅表明证据不足以推翻 $H_0$。
3. 未预先指定方向的"事后"单边检验存在多重比较问题，会夸大显著性。
4. 多重假设检验中需进行校正（如Bonferroni校正、FDR控制），以控制整体第一类错误率。
5. 显著性水平 $\alpha$ 的选择应结合研究背景，不应机械套用 0.05。

应用领域

假设检验广泛应用于实验设计、临床试验、A/B测试、计量经济学、质量控制和社会科学研究等需要从有限数据中推断总体特征的各个领域。它构成了现代统计推断的基石。