社会统计学第七章(一)
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
30
3
一、研究假设和虚无假设
• 研究假设(H1):研究者提出来的假设。我们的 最终目的是要检验这个假设是否成立。 • 虚无假设(零假设)(H0):与研究假设对立的 假设,是我们直接进行检验的假设。我们通过检 验这个假设来间接检验研究假设。 • 检验虚无假设的目的是为了排除抽样误差。
4
ห้องสมุดไป่ตู้
例子:
• 研究假设H1:同意人数≠反对人数(P ≠ Q) • 随机样本的情况是p ≠ q。
23
不拒绝H0, 要么正确,但是对总体仍然认识不清。 要么所犯错误未知(β)。
24
25
两种误差之间的关系
• 在样本量和统计方法确定的前提下,甲种误差和 乙种误差是对立的,成反比。 • 在研究时要减少否定正确(弃真)的可能性(甲 种误差)就会增加接受错误(纳伪)的可能性。
• 要完全消除两种误差的矛盾是不可能的,但是增 大样本量可以在一定程度上同时减少两种误差。
6
例子:
研究假设H1:同意人数≠反对人数(P ≠ Q) 虚无假设H0 :同意人数=反对人数(P = Q) 随机样本的情况是p ≠ q。(n=10,r=9) 根据H0成立二项抽样分布: 得:p(9)=0.010 随机样本的情况在H0假设的总体中出现概率很小, 因此否定H0 ,转而认为H1可能正确。 结论:总体的情况是同意人数≠反对人数。
26
五、检定力:参数法和非参数法
统计法的检定力: 该统计法能够准确判断虚无假设正误的能力。
• 统计推论时,甲种误差的大小是确定的,因此检 定力的大小取决于乙种误差的大小:统计推论时 所犯的乙种误差越小,该统计法的检定力就越大。
27
• 参数检定法:这类统计推论的方法要求总体备
具某些条件。一般要求定距变量。(Z/t/F) 统计法要求总体具备的条件越多,检定力就越强。 但如果总体不符合这些条件,检定力就大大下降。
20
• 拒绝H0,接受H1。 我们要么作出了正确的判断, 要么所犯错误为显著度(p)。
这是研究者最想看到的情况:我们提出的研究假设 被证实了,即便犯错误,错误也很小。
21
(三)H0与真实情况不符合。不拒绝H0。 • 真实情况不是H0 假定的情况。但是样本值出现的 概率不小。没有办法根据小概率的原则拒绝H0 , 只好认为H0的情况是有可能真实的,此时,我们 会犯错误:乙种误差(β)。
14
同样的显著度下, 两端检定比一端检定更难否定H0。
15
选择一端或两端检定的原则:
• 研究假设可以定出方向就使用一端检定,
如果H1:P>Q,则使用二项分布的右端 如果H1:P<Q,则使用二项分布的左端
• 不能定出方向则使用两端检定。 H1:P ≠ Q
16
四、甲种误差和乙种误差
• 当我们用样本统计值来检验假设的时候,无论是 否接受H0,都可能犯错误。 • 如果我们否定H0 ,但是实际上H0是对的,那么我 们就会犯甲种误差(α)(又称第一类误差)。这个 可能性就是我们选择的显著度。
7
如果:n=10,r=7 那么,p(7)=0.117 • 我们有11.7%的可能性在H0假定的总体中抽出这 样的样本,这个概率并不太小,因此我们不能够 否定H0 ,因此要怀疑H1的正确性. • 结论:我们不能认为总体中同意人数≠反对人数 (P ≠ Q)
8
样本在H0的抽样分布下,出 现的概率要小到什么程度才能 否定H0呢?
• 纳伪的错误。
22
(四)H0与真实情况符合。不拒绝H0。 • 样本值在H0的总体出现的概率不小。样本有可能 就是在H0的总体中抽出的,因此接受H0 。我们据 此怀疑H1 ,就是正确的。 • 然而在总体未知的情况下,我们不知道总体的情 况是哪一种情况,接受H0,只能说明的H0总体中 可能抽出这样的样本, H1的总体中也能抽出这样 的样本,我们无法判断,样本更能代表哪一种总 体。
• 非参数检定法(分布自由检定法) :这类统计
推论的方法不要求总体具备特殊条件。也不要求 定距变量,因此可以推论定类或者定序资料。 (χ²)
28
选择检定法的原则: • 总体如果具备某些条件,最好使用参数检定法, 这样检定力比较高。 • 总体如果不具备这些条件,最好使用非参数检定 法。 • 但只要样本量足够大,两类检定法的检定力都会 增大。
29
六、检定假设的步骤
一般步骤:
①根据研究假设(H1),写出虚无假设(H0)。 ②选择适当的检定法,并列举相关要求。 ③确定抽样分布,根据H0的假定成立抽样分布。 ④决定显著度,并依据H1的性质选择一端或两端假 定,从抽样分布中计算否定域的大小和位置。 ⑤根据样本资料计算检定值。从而做出决策(是否 拒绝H0),得出结论。
提问:能不能根据这个结果证明研究假设正确呢?
• 因为这个结果的出现, ①既可能因为总体情况就是如此, ②也可能是因为抽样误差造成的:总体中同意和不 同意的人数相同,但是我们抽取的样本中却不同。
5
假设检定的原理
• 假设检定的基本原则是直接检定H0,从而间接检 定H1。检定H0的目的是排除抽样误差的可能。 原理: ①根据H0成立抽样分布,检测随机样本的情况在这 种分布中出现的概率的大小。 ②如果概率较小则否定H0,转而认为H1可能正确; 如果概率不那么小,则不能否定H0,那么则认为 H1可能不正确。
9
二、否定域和显著度
这个事先选定的,用来否定H0的范围叫做否定域。
这个否定域占整个抽样分布的比例就是我们所说的 “小到这个程度”,这个比例叫做显著度(p)。
10
否定域(CR)
• 在抽样分布一端或者两端的小区域,如果样本的 统计值在此区域范围内,则否定虚无假设。 • 否定域是一端还是两端取决于研究假设的性质。
11
12
显著度(p):
• 否定域在整个抽样分布中所占的比例。 • 也就是在H0的抽样分布中,抽出现有样本的可能性。 • 社会学研究中常用的显著度是p ≦0.05,有时也使 用p ≦0.01。 • 显著度越小,越难否定H0,也就越难证明H1是正 确的。
13
三、一端检定和两端检定
• 在检定虚无假设时, 选择抽样分布的一 端作为否定域,叫 做一端检定(单尾 检定)。 • 选择抽样分布的两 端作为否定域,叫 做两端检定(双尾 检定)。
• 否定H0就是排除了抽样误差的可能。即:在H0假 定的总体中出现样本值的概率很小,我们根据小 概率原则否定了它,是正确的。
• 此时我们认为研究假设H1可能是正确的(反映了 总体的情况。)
19
(二)H0与真实情况符合。拒绝H0。 • 真实情况是H0 假定的情况。否定了H0 ,即样本 的值有可能恰巧从这样总体中抽出来的,概率虽 然很小,但还是发生了。否定了这种情况,我们 就会犯错:甲种误差。 • 在总体中抽出这样的样本的概率最大不会超过我 们选定的显著度。因此甲种误差最大值是显著度 (α≤p)。 • 弃真的错误。
第三篇
统计推论:单变量与双变量
1
• 第五章:抽样与统计推论 • 第六章:参数值的估计
• 第七章:假设检定:均值与百分率
• 第八章:假设检定:两个变量的相关
2
第一节 基本知识
一、研究假设(H1)与虚无假设(H0) 二、否定域与显著度 三、一端检定与两端检定 四、甲种误差与乙种误差 五、参数检定法与非参数检定法
• 相反,如果我们不能否定H0 ,但是实际上H0是不 对的,我们所犯的错误称为乙种误差(β)(又称 第二类误差)。
17
真实情况:未知 研究假设H1 虚无假设H0
• 检验H0有四种结果: 考察①H0是否为真实情况(是与否), 和②对待H0的两种态度(拒绝和不拒绝)
18
假设检定的四种结果
(一)H0与真实情况不符合。拒绝H0。