拒绝域

拒绝域

拒绝域（Rejection Region），也称临界域（Critical Region），是统计学中假设检验框架的核心概念。它指由检验统计量所有可能取值构成的一个集合：当样本计算出的检验统计量落入该集合时，我们便做出拒绝原假设（$H_0$）的决策。拒绝域是事前设定的"拒绝标准"——样本证据足够极端、进入该区域，即表明数据与原假设严重不一致。

拒绝域在假设检验中的角色

假设检验的本质是在"原假设为真"与"备择假设为真"之间依据数据做出选择。拒绝域的构建遵循以下流程：

1. 建立假设：陈述原假设 $H_0$（通常代表无效应或基准状态）和备择假设 $H_1$（研究者希望寻找证据支持的论点）。
2. 选择检验统计量：根据数据类型和检验目的，选取合适的统计量（如Z统计量、t统计量、卡方统计量等），它量化了样本与原假设之间的偏离程度。
3. 设定显著性水平并构建拒绝域：在收集数据前设定显著性水平 $\alpha$，它代表研究者愿意承受的犯第一类错误（原假设为真却被拒绝）的最大概率。拒绝域的大小完全由 $\alpha$ 决定。
4. 做出决策：若检验统计量落入拒绝域，拒绝 $H_0$；否则称"未能拒绝" $H_0$。

拒绝域的确定：三要素

拒绝域取决于三个因素：检验统计量的抽样分布、显著性水平 $\alpha$ 以及备择假设的形式。临界值（Critical Value）是划分拒绝域与非拒绝域边界的阈值。

双尾检验

当备择假设为 $H_1: \mu \neq \mu_0$ 时，极端结果可能出现在分布的左右两端。$\alpha$ 被均分至两尾，每侧面积为 $\alpha/2$。以标准正态为例，若 $\alpha = 0.05$，临界值为 $\pm Z_{0.025} = \pm 1.96$。拒绝域为 $\{Z \mid Z < -1.96 \;\text{或}\; Z > 1.96\}$。

右尾检验

当备择假设为 $H_1: \mu > \mu_0$ 时，仅关注样本结果是否显著"大于"原假设值。拒绝域全部位于右尾，面积为 $\alpha$。$\alpha = 0.05$ 时，临界值 $Z_{0.05} = 1.645$，拒绝域为 $\{Z \mid Z > 1.645\}$。

左尾检验

当备择假设为 $H_1: \mu < \mu_0$ 时，仅关注样本结果是否显著"小于"原假设值。拒绝域全部位于左尾。$\alpha = 0.05$ 时，临界值为 $-Z_{0.05} = -1.645$，拒绝域为 $\{Z \mid Z < -1.645\}$。

实例：灯泡寿命检验

某制造商声称灯泡平均寿命为 800 小时。我们怀疑该说法，随机抽取 $n = 100$ 个灯泡，测得样本均值 $\bar{X} = 788$ 小时。已知总体标准差 $\sigma = 40$ 小时，取 $\alpha = 0.05$。

1. 假设：$H_0: \mu = 800$，$H_1: \mu \neq 800$（双尾）。
2. 检验统计量：使用 Z 检验，$Z = \frac{\bar{X} - \mu_0}{\sigma / \sqrt{n}}$。
3. 拒绝域：临界值 $\pm 1.96$，即 $\{Z \mid |Z| > 1.96\}$。
4. 计算：$Z = \frac{788 - 800}{40 / \sqrt{100}} = \frac{-12}{4} = -3.0$。
5. 决策：$-3.0 < -1.96$，落入拒绝域，拒绝 $H_0$。
6. 结论：在 5\% 显著性水平上，有充分证据表明该批灯泡的平均寿命显著不等于 800 小时。

拒绝域与 p 值的关系

拒绝域方法与p值方法是假设检验的两种等价范式，总是得出相同结论：

• 拒绝域方法：比较检验统计量与临界值。若 $|\text{统计量}| > |\text{临界值}|$（双尾），则拒绝 $H_0$。
• p 值方法：比较概率与显著性水平。若 $\text{p} \leq \alpha$，则拒绝 $H_0$。

两者内在一致：检验统计量落入拒绝域，当且仅当其对应的 p 值 $\leq \alpha$。上例中 $Z = -3.0$ 对应的双尾 p 值约为 $0.0027$，因为 $0.0027 < 0.05$，同样拒绝原假设。拒绝域法直观地划定了"极端"的几何边界，p 值法则提供了连续的证据强度度量，在实际研究中两者常结合使用以增强结论的稳健性。