社会统计分析与数据处理技术（Stata）8_参数估计教材教学课件.ppt

决定的标准：P值（I） 若p 值≦α，拒绝零假设，这时犯错误的概率最多为α；若p值α，就不拒绝零假设，因为证据不足 多数计算机软件只给 p 值，不给出α。这有很多方便之处 若α= 0.05 ，而假定检验得到的p值等于 0.001，这时如果采用p值作为新的显著性水平，即新的α= 0.001 ；于是就可以说，在显著性水平为 0.001 时，拒绝零假设 这样，拒绝零假设犯错误的概率只有1‰而不是5% 故 p 值——“p-value ”或“Sig”——又称为观测的显著性水平（ observed significant level ） 决定的标准：P值（I） 根据数据产生的p值来降低α的值以展示结果的精确性 这好比一个身高180厘米的男生，可能愿意被认为=180 厘米 ，而不愿意说=155 厘米 ，虽然这第二种说法数学上没有丝毫错误 需要注意的是：在许多统计程序中，输出结果的 p 值是双尾检验的概率 如果备选假设选择的是单尾检验，则要将计算机给的 p 值除以 2 ，即取 p 值的一半 Stata同时给出双尾检验、左单尾和右单尾检验结果 显著性检验结果的解释 把检验统计量的样本观察值和临界值比较；或者把观察到的显著水平与显著水平标准比较，按检验规则作出检验决策 当样本值落入拒绝域时，表述成:“拒绝原假设”，“显著表明真实的差异存在” 当样本值落入接受域时，表述成：“没有充足的理由拒绝原假设”，“没有充足的理由表明真实的差异存在” 若将不能拒绝零假设说成“接受零假设”是不对的 另外，在表述结论之后应当注明所用的显著水平 关于“临界值”的问题 过去往往使用临界值进行假设检验，不计算 p 值。只比较统计量的取值和临界值的大小 使用临界值而不是 p 值来判断拒绝与否是前计算机时代的产物。当时计算 p 值不易，只采用临界值的概念。现在计算机软件都不给出α和临界值，但都给出 p 值和统计量的实现值，让用户自己决定显著性水平是多少 正态总体均值的检验 正态总体均值的检验主要有以下三种类型： 根据一个样本对其总体均值大小进行检验（ One-Sample T Test ），如少儿身高的检验 根据来自两个总体的独立样本对其总体均值进行检验（Independent Two-Sample T Test），如城、乡少年的教育水平 成对样本的检验（Paired-Sample T Test），如1999年和2000年同一社区的出生性别比 1. 单个样本检验 . ttest age == 0 One-sample t test ------------------------------------------------------------------------------- Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ---------+--------------------------------------------------------------------- age | 2321 9.658337 .1055412 5.084631 9.451372 9.865302 ------------------------------------------------------------------------------- Degrees of freedom: 2320 Ho: mean(age) = 0 Ha: mean 0 Ha: mean != 0 Ha: mean 0 t = 91.5125 t = 91.5125 t = 91.5125 P t = 1.0000 P |t| = 0.0000 P t = 0.0000 2. 两个独立样本检验 两个样本之间彼此独立，没有任何关联。独立样本各自接受相同的测量，研究者的主要目的是了解两个样本之间是否存在显著差异。该检验的前提如下： 两个样本应该相互独立；从一个总体中抽取一批样本对从另一个总体中抽取一批样本没有任何影响；两组样本的个案数目可以不同；个案顺序可以随意调整 样本来自的两个总体应该服从正态分布 原假定H0是：两个总体均值之间不存在显著差异， μ1 = μ2 . ttest weight, by(urban) Two-sample t