Please enable JavaScript.
Coggle requires JavaScript to display documents.
假设检验 - Coggle Diagram
假设检验
假设检验的结果和两类错误
虚无假设正确, 错误拒绝,Ⅰ型错误,α错误
备择假设正确, 错误拒绝,Ⅱ型错误,β错误
虚无假设正确, 正确接受
备择假设正确, 正确接收,统计检验力:1-β
统计检验力即该检验能够正确拒绝一个错误的虚无假设或接受正确的备择假设的概率。它与处理效应,显著性水平,检验方向性和样本容量有关。
独立样本t检验
均值分布的方差的计算
样本均值差异的方差和标准差
总体方差的估计(前提是满足方差同质性)
独立样本差异的t统计量的计算(自由度为n1+n2-2)
独立样本t检验的假设
假设检验步骤
利用样本统计量,根据相应的抽样分布,将需要检验的表达式转化为理论变量的值
根据该理论变量值,确定p值,或直接与该显著性水平的临界值对比
建立假设(零假设,备择假设)
根据p值是否小于设定的显著性水平α,考虑是否拒绝零假设(p小于α则拒绝,反之,接受)
重要的假设检验
比率的显著性检验
比率差异的显著性检验
均值差异的显著性检验(独立样本,相关样本)
均值的显著性检验
二项变量和百分比率
正态分布下的比率差异显著性检验
比率的均值和标准差
二项分布均值和标准差
假设
备择假设:零假设逻辑上的反面假设,通常表示为存在差异,或变量间有关系,也是研究假设。
零假设:通过一个或多个参数进行表示,它设定这些参数等于某个特殊值。即没有差异或没有改变,
(假设都是针对总体)
方差同质性
检验两个总体是否具有同样的方差
对于小样本(n<10),F一般小于4,对于大一些的样本,F一般小于2.
注意,把较大的方差放在分子,较小的方差放在分母
相关样本t检验
自由度为n-1
与独立样本的区别
独立---相关
效应量
可以定量研究者判断统计学意义上的显著性结果是否有实际效用。
常有的指标 #Cohen d值 #变异的解释r²
独立于样本容量,表明变量间实际关联强度的测量值
Cohen d
两组分布的不重叠程度或重叠程度
实验组均值位于控制组均值的位置
红色字体为Cohen UI
假设检验
前提:随机抽样形成样本;对样本的每个个体独立观察;原总体标准差保持恒定。
定义:是一种用样本数据来评价有关总体的某一假设的可置信性的推论程序。
以样本为依据,对总体作出判断
假设方向性
有方向:总体存在差异,且差异方向确定,对应单尾检验
无方向:总体存在差异,但差异方向不确定,对应双尾检验
Z检验(均值)
适用场合:1.应用多年的标准化成就测验。2.已确立常模的标准化心理测验
适用条件:总体方差已知,总体正态分布;总体非正态,样本量大于30,且总体方差已知(含未知)
t
检验(均值)
适用条件:总体正态分布,总体方差未知。
t与z
变异的解释r²
确定分数的变异中有多少能够由处理效应解释
显著性水平
α,规定了Ⅰ型错误 错误的概率,即当H0事实上正确时,拒绝H0的概率