統計學基礎/顯著性

顯著性

在統計檢驗中，我們處理機率。以一種統計上可檢驗的方式提出我們的研究問題，就是問

如果零假設為真，我觀察到我收集到的資料的可能性有多大？

更技術地說

p 值表示如果零假設為真，則看到如此極端資料的機率

我們設定一個閾值，最常見的是 99% 或 95%，這意味著我們承認我們可能被誤導而拒絕零假設，分別為 1% 或 5% 的時間。P 必須低於此閾值才能拒絕零假設。也就是說，p 必須小於 0.01 或小於 0.05（99% 和 95% 的倒數，以小數表示）。

這個值，即p 值，被認為決定了檢驗結果是否顯著。如果結果顯著，則拒絕零假設。

人們經常發現上述第三步 - 選擇正確的檢驗 - 最困難，但如果我們知道我們想做什麼，並且對我們資料的性質有所瞭解，這並不難。下表涵蓋了大量常見情況。

問題	因變數的度量	兩個變數或組	兩個以上變數或組	引數	非引數
是否存在關聯？	名義	是	^[1]		卡方檢驗
是否存在關聯？	序數	兩個			斯皮爾曼秩相關係數（並附帶強度指示）
是否存在關聯？	標量	兩個		皮爾遜相關係數（並附帶強度指示）
均值或中位數是否相同？	標量	兩個		學生 t 檢驗	曼-惠特尼 U 檢驗
均值或中位數是否相同？	標量		兩個以上	方差分析 (ANOVA)	克魯斯卡爾-沃利斯檢驗
我能否從一個預測另一個？	標量	兩個	兩個以上獨立	迴歸或多元迴歸

當我們制定涉及引數或統計量值的比較的假設時，我們選擇以兩種方式之一提出問題。我們可以簡單地問值是否不同，或者我們可以問一個值是否小於（或大於）另一個。在第一種情況下，我們將使用雙尾檢驗來確定結果，而在第二種情況下，我們將使用單尾檢驗。