统计检验

统计检验 (Statistical Test)

统计检验，又称统计假设检验或显著性检验，是推断统计的核心方法论之一。它提供了一套形式化的逻辑框架，用以依据样本数据判断关于总体参数的某个假设是否成立。其本质是在抽样分布理论的基础上，量化观测数据与某一理论预期之间的偏离是否足够"显著"，从而做出"拒绝"或"不拒绝"该假设的决策。

统计检验的思想可追溯至 R. A. Fisher 在 20 世纪 20 年代的工作，后经 Jerzy Neyman 与 Egon Pearson 的共同发展，形成了现代假设检验的两大传统——Fisher 的显著性检验与 Neyman-Pearson 的假设检验理论，当代统计教学通常将二者融合讲授。

核心逻辑框架

任何统计检验均遵循统一的三段论式推理结构：

1. 建立假设：明确提出一对互斥且穷尽的统计假设——原假设 $H_0$ 和备择假设 $H_1$。原假设通常是"无效应"或"无差异"的陈述（如 $\mu = \mu_0$），是被直接检验的对象；备择假设则是研究者希望证明的主张（如 $\mu \neq \mu_0$、$\mu > \mu_0$ 或 $\mu < \mu_0$），只有拒绝了原假设才能被接受。
2. 构造检验统计量并计算 $p$ 值：选择一个合适的检验统计量，它在 $H_0$ 为真时的抽样分布是已知的。用样本数据计算该统计量的观测值，进而计算 $p$ 值——在原假设为真的条件下，观察到当前统计量或更极端取值的概率。
3. 做出决策：将 $p$ 值与预先设定的显著性水平 $\alpha$ 比较。若 $p \leq \alpha$，则认为结果统计显著，拒绝 $H_0$；否则不拒绝 $H_0$。

需要注意的是，"不拒绝 $H_0$"不等同于"接受 $H_0$ 为真"，它只意味着现有样本数据提供的证据不足以推翻原假设。这一逻辑根植于统计检验的证伪主义哲学基础：检验的设计目的是控制错误拒绝 $H_0$ 的概率，而非直接确认 $H_0$ 的正确性。

两类错误与检验功效

统计检验的决策不可避免地面临两种类型的错误：

• 第 I 类错误：$H_0$ 为真却被拒绝，其概率由显著性水平 $\alpha$ 控制。$\alpha$ 通常取 0.05、0.01 或 0.10，代表研究者愿意承担的最大"假阳性"风险。
• 第 II 类错误：$H_0$ 为假却未被拒绝，其概率记为 $\beta$。第 II 类错误与样本量、效应大小和 $\alpha$ 水平密切相关。

检验功效定义为当 $H_1$ 为真时正确拒绝 $H_0$ 的概率，即 $1 - \beta$。功效分析或样本量规划是高质量研究设计的关键环节——若功效过低，即使实际效应存在，检验也可能无法检测到它，导致研究资源的浪费和无效结论。

Neyman-Pearson 框架强调在控制第 I 类错误的前提下最小化第 II 类错误，这与 Fisher 的纯粹显著性检验形成了方法论的张力与互补。

单侧检验与双侧检验

根据备择假设的方向性，统计检验分为：

• 双侧检验：$H_1: \theta \neq \theta_0$，拒绝域分布在抽样分布的两端，用于检验"是否有差异"而不预设方向。这是科学研究中更常用的形式，因其更为保守且能检测非预期的效应方向。
• 单侧检验：$H_1: \theta > \theta_0$ 或 $H_1: \theta < \theta_0$，拒绝域集中在分布的单一尾部。单侧检验在相同的 $\alpha$ 下具有更高的统计功效，但要求研究者在数据收集前就有明确的方向性预期，且一旦选择单侧检验便不能因为结果"接近显著"而临时切换为双侧检验。

常用统计检验类别

1. t 检验：基于$t$ 分布，主要用于小样本条件下总体均值的检验。单样本 $t$ 检验比较样本均值与已知总体均值；独立样本 $t$ 检验比较两独立组均值；配对 $t$ 检验比较同一样本在两种条件下的均值差异。$t$ 检验要求数据近似服从正态分布。
2. $F$ 检验与方差分析 (ANOVA)：基于$F$ 分布，用于比较多组均值或检验回归模型的整体显著性。ANOVA 将总变异分解为组间变异和组内变异，通过 $F$ 统计量（组间均方与组内均方之比）判断分组因素的效应是否显著。
3. $\chi^2$ 检验：基于$\chi^2$ 分布，广泛用于分类数据的分析。拟合优度检验考察观测频数与理论频数的一致性；独立性检验判断两个分类变量是否相关；同质性检验检验不同总体的分布结构是否相同。
4. 非参数检验：不依赖特定分布假设（如正态性），适用于定序数据或严重偏离分布假定的情形。常用的有Wilcoxon 符号秩检验（配对 $t$ 检验的非参数替代）、Mann-Whitney $U$ 检验（独立样本 $t$ 检验的非参数替代）、Kruskal-Wallis 检验（单因素 ANOVA 的非参数替代）等。
5. 似然比检验：基于最大似然估计，通过比较约束模型与无约束模型的似然函数最大值来检验参数约束的有效性。在计量经济学和结构方程模型中尤为常见。

使用前提与注意事项

统计检验的有效性依赖于特定的前提假设，忽视这些假设会导致 $p$ 值和决策的严重失真：

• 独立性：各观测值相互独立。违反独立性（如聚类数据或时间序列中的自相关）会使标准误被严重低估，导致假阳性率远高于名义 $\alpha$ 水平。
• 正态性：多数参数检验假定总体服从正态分布或样本量足够大（由中心极限定理保证）。可通过QQ图、Shapiro-Wilk 检验等方法评估。
• 方差齐性：比较组间均值时通常要求各组总体方差相等。Levene 检验或Bartlett 检验可用于检验方差齐性。

此外，统计显著不等同于实际重要。一个极小的效应在样本量足够大时也可能达到统计显著，但缺乏实践意义。因此，现代统计实践越来越强调同时报告效应量和置信区间，以提供比单一的 $p$ 值更丰富的信息。美国统计协会在 2016 年发布的关于 $p$ 值的声明明确指出了过度依赖 $p$ 值阈值的危险，呼吁研究者超越"$p < 0.05$"的机械二分法，全面呈现证据的强度、估计的不确定性以及研究设计和数据质量的整体评估。