当前课程知识点:心理统计 > 7 假设检验 > 7.4 有方向的假设与单侧检验 > 7.4 有方向的假设与单侧检验
大家好
我们今天学习的是第七章
假设检验中的第四节
有方向的假设和单侧检验
首先我们先来看一下这一节的主要内容
首先我们会先将单侧检验和双侧检验
进行一个比较
然后会举一个单侧检验的例子
接下来我们将会讲一讲
怎样来确定我们是使用单侧还是双侧检验
最后我们来进行一个小结
首先我们来看单侧和双侧检验的比较
那么在我们之前学习的假设检验中
我们都是叫做双侧检验
因为我们的拒绝域都位于整个分布的两侧
而在有的时候
我们的研究者对于实验的处理效应
有一种关于方向的预测
也就是认为总体的均值会增加或者减少
那么这种情况下我们就可以进行单侧检验
那么单侧检验和双侧检验他们
同样都是对于实验的处理效应存在的一种假设
但是两者的主要区别
就是他们假设的方向不同
双侧检验是没有一定的方向的
只是说实验的处理效应存在
而单侧检验它就有一定的方向
认为均值是增加了或者减少了
那么由于他们有方向性的差别
所以就导致了
他们拒绝虚无假设的标准不同
也就是拒绝域不同
双侧检验的拒绝域位于分布的两端
而单侧检验的拒绝域只位于分布的一端
下面我们来看一看他们具体的拒绝域的位置
中间这个就是双侧检验的拒绝域
我们可以看到
在显著性水平为0.05的条件下
我们的临界值是等于正负1.96
所以这两端的区域就是我们双侧检验的拒绝域
而对于我们的单侧检验来说
同样的在显著性水平为0.05的情况下
如果我们进行左侧检验
我们得到的临界值是-1.65
那么我们左侧检验的拒绝域就是这一块
那么我们在进行右侧的单侧检验的时候
得到的临界值是正的1.65
那么我们得到的拒绝域
就是大于1.65的部分
那么具体的看一下
当显著性水平为
0.05 0.01和0.001的情况下
我们所对应的双侧检验和单侧检验的临界值
我们可以看到对比这些临界值来看
在同样的显著性水平的条件下
进行单侧检验所得到的临界值相比双侧检验
它更靠近我们的均值
也就是说当α确定的时候
与双侧检验相比
单侧检验的结果更容易显着
那么这就与我们之前所讲到的单侧检验
它的统计检验率会更高
是相似的
下面我们来看一个单侧检验的例题
某个教育培训机构
他们宣称经过他们的培训之后
学生的平均成绩会提高32分
方差是16分
那么有的人认为这个机构夸大了培训的效果
所以他们就抽取了一个25名学生的样本
来验证
他们得到样本的平均数
就是他们提高了29.5分
假设提高了分数是服从正态分布的
那么根据这个例子
我们是想验证的是样本的提高
所来自的总体的均值是不是小于32分
所以说我们的备择假设就应该是μ小于32分
他的平均成绩的提高是被夸大了的
而我们的虚无假设就应该是μ大于等于32
那么提出了假设之后
第二步我们就是要计算统计量Z值
那么根据我们现在得到的样本平均数
和总体的平均数
以及总体的方差和样本量这些指标
我们就可以代入这个公式计算
得到了跟样本的Z分数值等于3.125
-3.125
那么在这个条件下
我们选择我们的显著性水平α等于0.05
那么我们查正态分布表就可以得到
在α等于0.05的单侧检验下
我们的临界值应该是等于-1.645的
接下来我们就把我们计算得到的Z值
-3.125
和临界值相比较
我们发现这个Z值是小于-1.645的
也就是说我们这个Z值是位于拒绝域之中的
那么这个时候我们就可以得出结论
来拒绝虚无假设接受备择假设
也就是认为教育机构他们学生成绩的增幅
是显着小于32分的
那么在实际的应用中
我们如何确定应该使用双侧或者单侧检验
我们来看一下这个例子
假设我们要对2017年
中国人均年收入进行分析
那么第一种情况下
是我们假设2017年中国人均年收入
突破了8260美元
我们注意到表述中有一个关键的词突破
那么也就是说假设是一个有方向的
中国人均年收入会大于8260
所以说在这种条件下
我们得出的备择假设
就应该是μY大于8260
而相应的虚无假设
就应该是μY小于等于8260
那么在第二种情况下
如果我们提出的研究问题是
人均年收入为8260美元
那么在这种情况下
我们就没有一个明确的方向性
所以说这时我们的备择假设就应该是
μY不等于8260
相应的虚无假设
就应该是μY等于8260
因此在实际中我们往往是根据
研究的问题有没有方向性
来确定我们到底使用双侧还是单侧检验
那么通常来说我们使用双侧检验就有两种情况
一种情况是我们的研究者通过理论
对于实验的效果没有一种强烈的方向性的预期
那么第二种情况就是可能存在两个
相互矛盾的相互竞争的预测
比如说一种理论
预测这个分数会增加
另一种理论预测分数会减少
这种时候我们会采用双侧检验
那么第二种情况下
如果当我们的研究者
对于实验的效果已经有一种有方向的预测
那么这个时候我们就会采用单侧检验
它的统计检验率会更高
那么有的实际应用者就会提出一种疑问
如果说我在进行双侧检验的时候
得到的结果不显著
那么我们为了想得到一个显著性的结果
我们可不可以再次使用一个单侧检验
因为单侧检验的它的统计检验力会更高
我们可不可以用这种方法
再来补救得到一个显著的结果
其实是不行的
因为我们做这些研究
都应该是一种理论驱动
而不是数据驱动
我们做出的研究假设都应该是根据一定的理论
而提出的
所以说我们不能够
通过这样的方式来强行的得到一个显著的结果
这样是不科学的
最后我们来对这一节的内容进行一个小结
在这一节中我们首先介绍了
单侧与双侧检验的区别
它们的区别主要体现在假设是不是有方向性
以及虚无假设的拒绝域
到底位于分布的两端还是其中的一端
然后我们再介绍了进行单侧检验的一个步骤
它和双侧检验是一致的
也是要先提出假设
然后计算样本统计量
然后在确立显著性水平和拒绝域
最后再通过比较来下结论
最后我们介绍了如何来确定
使用单侧或者双侧的检验
那么我们主要就是要根据我们的理论假设
根据我们的研究问题来确定
而且在同样的显著性水平的条件下
单侧和双侧检验得到的结论可能是不一致的
在这种情况下
我们就要根据我们的理论来确定使用哪种检验
而不是用一种数据驱动的过程
今天我们就学习到这里
谢谢大家
-1.1 统计学的意义
-1.2 心理统计简介
-1.3 基本概念介绍1
-1.4 基本概念介绍2
-1.4 基本概念介绍2--作业
-1.5 研究方法
--1.5 研究方法
-2.1 统计表和统计图简介
--2.1 统计图表
-2.1 统计表和统计图简介--作业
-2.2 频数分布表
-2.2 频数分布表--作业
-2.3 频数分布图
-2.3 频数分布图--作业
-2.4 百分位数和百分等级
-2.4 百分位数和百分等级--作业
-3.1 平均数
--3.1 平均数
-3.1 平均数--作业
-3.2 中数
--3.2 中数
-3.2 中数--作业
-3.3 众数
--3.3 众数
-3.3 众数--作业
-4.1 全距和四分位距
-4.1 全距和四分位距--作业
-4.2 标准差和方差
-4.2 标准差和方差--作业
-4.3 差异系数
--4.3 差异系数
-4.3 差异系数--作业
-5.1 Z分数介绍
-5.1 Z分数介绍--作业
-5.2 Z分数的分布及转换
-5.2 Z分数的分布及转换--作业
-6.1 概率的基本概念
--6.1 概率与二项分布--作业
-6.2 概率与二项分布
-6.2 概率与二项分布--作业
-6.3 概率与正态分布
-6.3 概率与正态分布--作业
-6.4 抽样分布与推论统计
-6.4 抽样分布与推论统计--作业
-7.1 假设检验的一般原理
-7.1 假设检验的一般原理--作业
-7.2 假设检验的一般过程
-7.2 假设检验的一般过程--作业
-7.3 假设检验的不确定性和误差
-7.3 假设检验的不确定性和误差--作业
-7.4 有方向的假设与单侧检验
-7.4 有方向的假设与单侧检验--作业
-8.1 t统计量与t检验
-8.1 t统计量与t检验--作业
-8.2 单样本t检验的方法
-8.2 单样本t检验的方法--作业
-8.3 有方向的检验和单侧检验
-8.3 有方向的检验和单侧检验--作业
-9.1 独立样本t检验
-9.1 独立样本t检验--作业
-9.2 独立样本t检验的应用
-9.2 独立样本t检验的应用--作业
-10.1 相关样本t检验方法
-10.1 相关样本t检验方法--作业
-10.2 有方向的假设和单侧检验
-10.2 有方向的假设和单侧检验--作业
-11.1 效应量的测量
-11.1 效应量的测量--作业
-11.2 均值检验效应量
-11.2 均值检验效应量--作业
-11.3 统计检验力及其影响因素
-11.3 统计检验力及其影响因素--作业
-12.1 参数估计的基本内容
-12.1 参数估计的基本内容--作业
-12.2 用t统计量作参数估计
-12.2 用t统计量作参数估计--作业
-12.3 假设检验和参数估计
-12.3 假设检验和参数估计--作业
-13.1 方差分析的逻辑
-13.1 方差分析的逻辑--作业
-13.2 方差分析的计算
-13.2 方差分析的计算--作业
-14.1 完全随机单因素方差分析
-14.1 完全随机单因素方差分析--作业
-14.2 方差分析的测量效应和事后检验
-14.2 方差分析的测量效应和事后检验--作业
-15.1 重复测量单因素实验设计
-15.1 重复测量单因素实验设计--作业
-15.2 重复测量单因素方差分析的逻辑和计算
-15.2 重复测量单因素方差分析的逻辑和计算--作业
-16.1 完全随机两因素实验设计
-16.1 完全随机两因素实验设计--作业
-16.2 完全随机两因素方差分析的逻辑和计算
-16.2 完全随机两因素方差分析的逻辑和计算--作业
-16.3 简单效应检验
-16.3 简单效应检验--作业
-16.4 完全随机两因素方差分析的效应值和事后检验
-16.4 完全随机两因素方差分析的效应值和事后检验--作业
-17.1 相关概述
-17.1 相关概述--作业
-17.2.1 皮尔逊相关1
-17.2.1 皮尔逊相关1--作业
-17.2.2 皮尔逊相关2
-17.2.2 皮尔逊相关2--作业
-17.3 等级相关
-17.3 等级相关--作业
-17.4 点二列相关和二列相关
-17.4 点二列相关和二列相关--作业
-17.5 φ相关
--17.5 φ相关
-17.5 φ相关--作业
-18.1 简单线性回归
-18.1 简单线性回归--作业
-18.2 回归模型和回归系数
-18.2 回归模型和回归系数--作业
-18.3 线性回归的基本假设
-18.3 线性回归的基本假设--作业
-18.4 变异的分解
-18.4 变异的分解--作业
-18.5 回归方程的估计标准误
-18.5 回归方程的估计标准误--作业
-18.6 回归方差的有效性检验
-18.6 回归方差的有效性检验--作业
-19.1 二项检验
-19.1 二项检验--作业
-19.2 卡方检验
-19.2 卡方检验--作业
-19.3 四格表及列联表
-19.3 四格表及列联表--作业
-20.1 非参数检验概述
-20.1 非参数检验概述--作业
-20.2 单样本非参数检验
-20.2 单样本非参数检验--作业
-20.3 两独立样本非参数检验
-20.3 两独立样本非参数检验--作业
-20.4 多个独立样本非参数检验
-20.4 多个独立样本非参数检验--作业
-20.5 两个配对样本非参数检验
-20.5 两个配对样本非参数检验--作业
-20.6 多配对样本的非参数检验
-20.6 多配对样本的非参数检验--作业