统计假设检验

统计假设检验 (Statistical Hypothesis Testing)

统计假设检验是推断统计学中的核心框架和方法论，用于根据样本数据对关于总体的某个参数或分布的声明做出统计决策。其本质是一个基于概率论的反证过程：首先假设一个关于总体的陈述即零假设为真，然后评估样本数据在该假设下出现的可能性。如果样本数据在零假设下出现的概率极低，研究者则有理由拒绝该假设，转而支持对立的备择假设。统计假设检验是科学研究、商业决策、医学试验和质量控制等领域验证理论和得出结论的基础工具。

核心要素与两类错误

统计假设检验的核心要素包括四个组成部分。零假设 $H_0$ 通常为"无效应"或"无差异"的陈述，例如 $H_0: \mu = \mu_0$，它代表了在数据中缺乏足够证据之前不应被推翻的默认立场。备择假设 $H_1$ 是零假设的对立面，是研究者期待通过数据加以证明的命题，其形式可以是双侧的（$\mu \neq \mu_0$）或单侧的（$\mu > \mu_0$）。检验统计量是样本数据的函数，例如Z统计量、t统计量或F统计量，其在零假设下的抽样分布已知，偏离程度可以通过p值或临界值来量化。显著性水平 $\alpha$ 是研究者预先设定的决策阈值，典型取值为0.05、0.01或0.10。

任何假设检验决策都可能犯两类错误。第I类错误即假阳性，是在零假设实际为真时错误地拒绝它，其发生概率恰好等于显著性水平 $\alpha$。第II类错误即假阴性，是在零假设实际为假时未能拒绝它，其发生概率记为 $\beta$。统计功效定义为 $1-\beta$，表示在备择假设为真时正确拒绝零假设的概率。功效的大小受样本量、真实效应大小和显著性水平的影响。Neyman-Pearson框架将两类错误置于对称的权衡之中，而Fisher框架则仅基于p值来衡量证据的强度。

p值与Neyman-Pearson框架

p值方法由Fisher提出，其核心是将p值定义为在零假设为真的条件下，观测到检验统计量较当前值更极端的概率。p值越小，表明数据对零假设的反驳证据越强。当p值小于0.05时，结果通常被视为"统计显著"。然而，p值的二分化解释也导致了p-hacking等问题，即研究者通过多次尝试或选择性报告来获得显著的p值。

Neyman-Pearson框架则是一种决策理论框架。研究者预先确定显著性水平 $\alpha$，若检验统计量落入拒绝域，则拒绝零假设并接受备择假设。这一框架的核心优势在于能够控制两类错误的长期发生频率。现代统计实践通常融合两种传统：一方面报告p值以提供证据的连续强度度量，另一方面使用预设的 $\alpha$ 进行二元决策，并辅以置信区间来展示参数估计的不确定性范围。

假设检验在计量经济学中贯穿始终，从单个系数显著性的t检验，到多约束联合检验的F检验，再到结构变化检验（Chow检验）和模型设定检验（Hausman检验）。假设检验作为统计推断的核心方法论，其从样本到总体的逻辑构成了所有实证科学中知识积累和理论证伪的数学基础。尽管近年来贝叶斯方法提供了替代的推断范式，假设检验仍然是实证研究中最通用的统计语言。