显著性检验

显著性检验

显著性检验（Significance Test）是统计推断的核心方法论，用于判断样本数据是否提供了足够的证据来支持或拒绝某个关于总体的假设。其哲学基础可以追溯至 R. A. Fisher 在 1920 年代提出的原假设检验框架（Null Hypothesis Significance Testing, NHST），后经 Jerzy Neyman 和 Egon Pearson 完善为包含两类错误和检验功效的完备决策理论，构成当代计量经济学、生物统计学和实验科学中进行因果推断和决策分析的基本工具。

原假设显著性检验框架

显著性检验的出发点是设定一对互斥的假设：原假设 $H_0$（通常表述为"无效应"或"无差异"）和备择假设 $H_1$。检验的逻辑遵循"反证法"思路——在假定 $H_0$ 成立的前提下，计算观察到当前样本数据（或更极端情况）的概率，即 p 值（p-value）：

其中 $T$ 为检验统计量（如 $z$ 统计量、$t$ 统计量、$F$ 统计量或 $\chi^2$ 统计量），$t_{\text{obs}}$ 为其观测值。当 $p$ 值小于预先设定的显著性水平 $\alpha$（通常取 $0.05$ 或 $0.01$）时，我们认为结果"统计显著"，拒绝 $H_0$。

两类错误与检验功效

显著性检验在决策过程中面临两种可能的错误：第一类错误（Type I Error，弃真）—— $H_0$ 为真时错误地拒绝 $H_0$，其发生概率即显著性水平 $\alpha$；第二类错误（Type II Error，存伪）—— $H_0$ 为假时未能拒绝 $H_0$，其概率记为 $\beta$。检验的功效（Power）定义为 $1 - \beta$，即在 $H_1$ 为真时正确拒绝 $H_0$ 的概率。功效受样本量 $n$、效应量（Effect Size）和 $\alpha$ 水平的共同影响——样本量越大，统计功效越高，这是实验设计中功效分析（Power Analysis）的核心考量。在 Neyman-Pearson 框架中，$\alpha$ 和 $\beta$ 的权衡反映了决策者对两类错误相对成本的判断。

常用检验方法

• $z$ 检验：适用于总体方差已知时对均值的检验，基于正态近似，在大样本下由中心极限定理保证其渐近有效性。
• $t$ 检验：由 William Gosset（笔名 Student）提出，用于总体方差未知时的小样本均值检验，包括单样本 $t$ 检验、独立两样本 $t$ 检验和配对 $t$ 检验。其抽样分布为自由度 $\nu = n-1$ 的 $t$ 分布。
• $F$ 检验与 ANOVA：用于比较多个总体均值是否相等，基于组间方差与组内方差之比构造 $F$ 统计量，在线性回归的联合假设检验中同样关键。
• $\chi^2$ 检验：用于分类数据的拟合优度和独立性检验，检验观测频数与期望频数的偏离程度。

经济学与计量经济学中的应用

在计量经济学中，显著性检验是回归分析的核心环节。对于线性回归模型 $Y = X\beta + \varepsilon$，单个系数 $\hat{\beta}_j$ 的标准 $t$ 检验用于判断解释变量 $X_j$ 是否对因变量有显著影响；$F$ 检验则用于检验多个线性约束（如工具变量回归中的弱工具变量检验和过度识别检验）。双重差分（DiD）和断点回归（RDD）等因果推断方法均依赖显著性检验来评估处理效应的统计可靠性。

然而，经济学界对 $p$ 值滥用的批判日益尖锐。美国统计协会（ASA）在 2016 年的声明中明确指出，$p$ 值不等同于 $H_0$ 为真的概率，也不直接度量效应大小或实际重要性。p-黑客（p-hacking）——通过选择性报告、数据挖掘和多重比较操纵显著性结果——严重侵蚀了实证研究的可信度。为此，AER、QJE 等顶级期刊已推动预注册（Pre-registration）、置信区间报告和贝叶斯方法作为 NHST 的补充，标志着经济学实证研究从"星号经济学"（Star Economics）向更稳健的推断范式转型。