当前课程知识点：基于R语言的社会统计分析 > 第七章： 统计推断 - 显著性检验 > 7.1 绪论 > Video
很多研究都有一个共同的目的
就是想检查我们手头获得的数据
是不是和某种预期相吻合
那么这种预期呢
通常是由驱动整个研究的
理论所驱使
然后我们所说的这个理论呢
有可能是从
日常生活中得来的
有可能是对社会生活的观察
对人类行为的观察中获得
也有可能是从前人的
比如说我们之前讲说一些定性研究的结果获得的
也有可能是从新的数据中
获得了一些新的灵感
总而言之
预期是从理论假设中获得的
然后呢
这个预期实际上就是关于研究总体的假设
如果把刚才说的那些话翻译成统计学语言
我们来说什么是假设
在统计学中呢
假设就是对总体的一个陈述
它通常是对描述总体特征的参数
等于某个特定的数值
或者是落入某个特定的取值范围的预测
那关于假设的例子有很多很多
其实
我们之前学习的过程中已经碰到了很多
比如说我们说
施瓦辛格能不能当选那个例子里面
其实我们的假设是说
如果
整个加利福尼亚州的居民对施瓦辛格当不当选
没有特别的倾向的话
那应该50％的人选他
50％的人不支持他
这是一个
陈述
也就是说人们对州长的候选人没有偏好
还有一个例子呢
比如说我们经常做幸福感的研究
有一种假设它是说
一半以上的中国人
感到生活幸福
还有你可以说
是不是每100毫升可口可乐里面含10.6克的糖
也有可能一个假设是
新研制的感冒药
对治疗感冒是有效果的
这些其实都是我们真正
进行假设检验的时候可以
可能提出的假设问题
那
显著性检验到底是什么
实际上它就是通过收集数据
对数据进行分析
总结关于
假设的这个证据的过程
它是通过比较数据中
获得的参数点估计
和假设中所预测的那个参数取值来实现
总的来说我们就是想从
数据中收集证据
这个证据要么支持你的理论假设
要么反对你的理论假设
那我们想知道
那怎么比较呢
这个证据多大的时候我们说可以支持
证据多小的时候是反对呢
我们靠的是比点估计
和你理论上猜测的那个参数值的差距
那举施瓦辛格当州长那个例子
我们理论上就说如果
居民对州长竞选没有任何倾向的话
是50％50％
但是我们抽到的样本
我之前老举那个例子我们样本里面说
支持率是56.5％
那我的问题就是50％和56.5％的差距到底有多大
那个例子你可能已经看腻了
然后我们看一个新的例子
这个例子呢是关于
选择经理的时候是不是有性别歧视的一个例子
我们来看这个例子它说
佛罗里达州的一个大型连锁超市
要挑选一些员工来接受管理培训
也就是我们经常
所说的管理培训生项目
然而一群女性员工抗议
她们说
男性员工被非常不公平的高比例选拔了
那公司当然否认这个指责了
那
类似的断言其实在沃尔玛也有发生
那里的女性员工也认为说
女性在升职和薪水安排方面都受到了歧视
那么
女员工们应该用怎样的科学方法
去证明说她们的这个抗议是对的呢
她们怎么样去
用统计学的方法来支持这个断言的合法性
那假设
我们假设说
有资格参与管理培训项目的雇员
有一半男性一半女性
一定要有这个假设因为
我们不能说
只要是
选择了男性高于女性那公司就一定
有偏向了
实际上的情况
比现实要复杂的很多
所以我们总是要很多比较严格的假设
所以我的第一个假设是说
假设有资格参与管理培训的雇员中有
一半男性和一半女性
那么公司认为
他们不偏不倚
没有性别偏好的陈述就是一个假设
这个陈述是说
假设其他条件一致
也就是说假设这些雇员经验类似然后
学历类似
那么他们被选中的概率
都应该是二分之一
只就性别而言
如果参加管理培训的人员
只就性别而言
如果参加管理培训的人员
真的是被随机挑选的
那么显然我得到的那个样本中
也应该是得到一半男一半女
这是很直接的
那女性员工认为
在其他条件一致的情况下
选择男性的概率是超过二分之一的
那这也是一个假设
这是一个备择假设
那更具体的说
假设
一共选择了十名员工
结果他们发现怎么9名都是男的
那这个
结果可能就更倾向于女性员工的抗议
但是我们还要说
这又是一个从样本推测总体的问题了
统共我关注的是整个公司对男女员工是不是有偏向
我实际上只抽了一个样本量为10的
小小的样本
那有没有可能
这个十分之九的这个比例是因为样本的随机性引起的呢
所以这个
严谨起见
因为样本具有随机性
我们需要更严谨的分析
那也就是说
在没有性别歧视的前提下
我们想知道
得到这样十分之九的结果的可能性
有多大
它到底有多不可能
那
本章呢其实我们就是来介绍针对某个假设
总结证据
并且做出决定的这个过程
这种方法呢被称为显著性检验
那我们首先会
给大家介绍一下所有检验的共性
它们共同具有的五个部分
然后呢我会分别来介绍
关于总体均值的显著性检验
还有总体比例的显著性检验
最后我们还要做一个讨论
就是探讨一下这种方法是不是有它的局限性
或者说在整个使用这种方法的过程中
你有没有可能犯错这个犯错的概率会是多少
这是属于讨论的部分
-1.1 什么是统计学?
--视频1.1
-1.2 数据
--视频 1.2
-1.3 随机化原则
--视频 1.3
-1.4 数据收集方法
--视频 1.4
-第一章：绪论--1.5 习题
-2.1 描述统计概述 - 社会学概念的量化问题
--Video
-2.2 变量的分类
--Video
-2.3 描述统计方法 I: 制表法 Tabular Method
--Video
-2.4 描述统计方法 II: 绘图法 Graphical Method
--Video
-2.5 描述统计方法 III: 数值法 Numerical Method
--Video
-第二章：描述统计--2.6 习题
-3.1 探索性数据分析
--视频3.1
-3.2 EDA的制图原则
--Video
-3.3 R语言初体验
--R 语言初体验
-3.4 CRAN 和学习资源
-3.5 R 基础知识
--Video
-3.6 图形和数值
--Video
-4.1 概率的基本概念
--Video
-4.2 离散型与连续型变量的概率分布
--Video
-4.3 正态分布
--Video
-4.4 抽样分布
--Video
-第四章：概率分布--4.5 习题
-5.1 用抽样分布来代表抽样的变异性
--Video
-5.2 样本均值的抽样分布
--Video
-5.3 中心极限定理
--Video
-5.4 点估计和区间估计
--Video
-第五章：统计推断 - 估计--5.5 习题
-6.1 区间估计
--Video
-6.2 总体比例的区间估计
--Video
-6.3 置信水平
--Video
-6.4 总体均值的区间估计
--Video
-第六章：统计推断 - 区间估计--6.5 习题
-7.1 绪论
--Video
-7.2 一个显著性检验的五个部分
--Video
-7.3 均值的显著性检验
--Video
-7.4 比例的显著性检验
--Video
-7.5 检验中错误的类型
--Video
-第七章： 统计推断 - 显著性检验--7.6 习题
-8.1 预备知识
--Video
-8.2 比较两组比例
--Video
-8.3 比较两个独立样本的均值
--Video
-8.4 比较两个相依样本的均值
--Video
-8.5 方差分析（选学）
--Video
-第八章：两组比较和多组比较--8.6 习题
-9.1 变量间的关联分析
--Video
-9.2 列联分析
--Video
-9.3 定序变量间的关联关系
--Video
-第九章：变量间的关联分析--9.4 习题
-10.1 简单线性回归模型概述
--Video
-10.2 模型系数估计
--Video
-10.3 评价系数估计的准确性
--Video
-10.4 评价模型的准确性
--Video
-10.5 R Lab: 用R构建简单线性模型
--Video
-第十章：简单线性回归--10.6 习题
-11.1 多元线性回归概述
--Video
-11.2 多元线性回归
--Video
-11.3 潜在问题及解决方案
--Video
-11.4 用R语言进行多元线性回归
--Video
-第十一章：多元回归--11.5 习题
-12.1 社会科学中的分类问题
--Video
-12.2 Logistic回归概述
--Video
-12.3 Logistic回归系数估计
--Video
-12.4 Logistic回归模型评价
--Video
-12.5 其他多元统计方法
--Video
-12.6 R语言实践
--Video
-12.7 结束语
--Video
