預防醫學/假設檢驗的基本步驟
| 醫學電子書 >> 《預防醫學》 >> 計量數據分析(二) >> 假設檢驗的基本步驟 |
| 預防醫學 |
|
|
|
上述抽樣模擬試驗表明，從同一總體中以固定n隨機抽樣，由於抽樣誤差的影響，樣本均數x與總體均數μ往往不相等，且兩個樣本均數x1和x2也往往不相等。因此在實際工作中遇到樣本均數與總體均數間或樣本均數與樣本均數間不相等時，要考慮兩種可能：①由於抽樣誤差所致；②兩者來自不同總體。如何作出判斷？統計上是通過假設檢驗（hypothesis testing），又稱顯著性檢驗（significance test），來回答這個問題。
下面以樣本均數x與總體均數μ比較的假設檢驗為例，介紹假設檢驗的基本步驟。
一、建立假設和確定檢驗水準
假設有二。一是無效假設（null hypothesis），符號為H0。假設兩總體均數相等（μ=μ0），即樣本均數x所代表的總體均數μ與假設和總體均數μ0相等。x和μ0差別僅僅由抽樣誤差所致；二是備擇假設（alternative hypothesis），符號為H1。二者都是根據推斷的目的提出的對總體特徵的假設。這裡還有雙側檢驗和單側檢驗之分，需根據研究目的和專業知識而定：若目的是推斷兩總體是否不等（即是否μ≠μ0），並不關心μ＞μ0還是μ＜μ0，應用雙側檢驗，H0：μ=μ0，H1：μ≠μ0；若從專業知識已知μ＞μ0,不會μ＜μ0（或已知μ＜μ0不會μ＞μ0），或目的是推斷是否μ＞μ0（或μ＜μ0），則用單側檢驗，H0：μ=μ0，H1：u＞μ0（或μ＜μ0）。一般認為雙側檢驗較為穩妥，故較常用。
檢驗水準（size of a test）亦稱顯著性水準（significance level），符號為α，是假設檢驗時發生第一類錯誤的機率。α常取0.05或0.01。
二、選定檢驗方法和計算統計量
根據研究設計的類型、資料類型及分析目的選用適當的檢驗方法。如配對設計的兩樣本均數比較，選用配對t檢驗；完全隨機設計的兩樣本均數比較，選用u檢驗（大樣本時）或t檢驗（小樣本時）等。
不同的檢驗方法有不同的檢驗假設以及不同的公式。根據公式計算現有樣本統計量，如t值、u值等。
三、確定P值，作出推斷結論
用算得的統計量與相應的界值作比較，確定P值。P值是指在由H0所規定的總體中隨機抽樣，獲得等於及大於（或等於及小於）現有統計量的機率。根據P值大小作出拒絕或不拒絕H0的統計結論。
 均數的抽樣誤差和總體均數的估計 | u檢驗和t檢驗  |
| 關於「預防醫學/假設檢驗的基本步驟」的留言： |  訂閱討論RSS
|
|
目前暫無留言 | |
| 添加留言 | |