文档介绍：中文名称:显著性水平英文名称:significancelevel定义:通常以α表示,是一个临界概率值。它表示在“统计假设检验”中,用样本资料推断总体时,犯拒绝“假设”错误的可能性大小。α越小,犯拒绝“假设”的错误可能性越小。概念:估计总体参数落在某一区间内,可能犯错误的概率为显著性水平,用α表示1-α为置信度或置信水平,其表明了区间估计的可靠性统计假设检验也称为显著性检验,即指样本统计量和假设的总体参数之间的显著性差异。显著性是对差异的程度而言的,程度不同说明引起变动的原因也有不同:一类是条件差异,一类是随机差异。显著性差异就是实际样本统计量的取值和假设的总体参数的差异超过了通常的偶然因素的作用范围,说明还有系统性的因素发生作用,因而就可以否定某种条件不起作用的假设。假设检验时提出的假设称为原假设或无效假设,就是假定样本统计量与总体参数的差异都是由随机因素引起,不存在条件变动因素。假设检验运用了小概率原理,事先确定的作为判断的界限,即允许的小概率的标准,称为显著性水平。如果根据命题的原假设所计算出来的概率小于这个标准,就拒绝原假设;大于这个标准则接受原假设。这样显著性水平把概率分布分为两个区间:拒绝区间,接受区间。显著性水平不是一个固定不变的数字,其越大,则原假设被拒绝的可能性愈大,原假设为真而被否定的风险也愈大。显著性水平应根据所研究的的性质和我们对结论准确性所持的要求而定。显著性检验显著性检验就是事先对总体(随机变量)的参数或总体分布形式做出一个假设,然后利用样本信息来判断这个假设(原假设)是否合理,即判断总体的真实情况与原假设是否显著地有差异。或者说,显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异,还是由我们所做的假设与总体真实情况之间不一致所引起的。显著性检验是针对我们对总体所做的假设做检验,其原理就是“小概率事件实际不可能性原理”来接受或否定假设。抽样实验会产生抽样误差,对实验资料进行比较分析时,不能仅凭两个结果(平均数或率)的不同就作出结论,而是要进行统计学分析,鉴别出两者差异是抽样误差引起的,还是由特定的实验处理引起的。显著性检验的含义显著性检验即用于实验处理组与对照组或两种不同处理的效应之间是否有差异,以及这种差异是否显著的方法。常把一个要检验的假设记作H0,称为原假设(或零假设)(nullhypothesis),与H0对立的假设记作H1,称为备择假设(alternativehypothesis)。⑴在原假设为真时,决定放弃原假设,称为第一类错误,其出现的概率通常记作α,α称为显著性水平; ⑵在原假设不真时,决定接受原假设,称为第二类错误,其出现的概率通常记作β。通常只限定犯第一类错误的最大概率α,不考虑犯第二类错误的概率β。这样的假设检验又称为显著性检验,概率α称为显著性水平。、、。一般情况下,根据研究的问题,如果放弃真错误损失大,为减少这类错误,α取值小些,反之,α取值大些。显著性检验的原理“无效假设”显著性检验的基本原理是提出“无效假设”和检验“无效假设”成立的机率(P)水平的选择。所谓“无效假设”,就是当比较实验处理组与对照组的结果时,假设两组结果间差异不显著,即实验处理对结果没有影响或无效。经统计学分析后,如发现两组间差异系抽样引起的,则“无效假设”成立,可认为这种差异为不显著(即实验处理无效)。若两组间差异不是由抽样引起的,则“无效假设”不成立,可认为这种差异是显著的(即实验处理有效)。“无效假设”成立的机率水平检验“无效假设”成立的机率水平一般定为5%(常写为p≤),其含义是将同一实验重复100次,两者结果间的差异有5次以上是由抽样误差造成的,则“无效假设”成立,可认为两组间的差异为不显著,常记为p>。若两者结果间的差异5次以下是由抽样误差造成的,则“无效假设”不成立,可认为两组间的差异为显著,常记为p≤。如果p≤,则认为两组间的差异为非常显著。显著性检验的基本思想显著性检验的基本思想可以用小概率原理来解释。 1、小概率原理:小概率事件在一次试验中是几乎不可能发生的,假若在一次试验中事件事实上发生了,那只能认为事件不是来自我们假设的总体,也就是认为我们对总体所做的假设不正确。 2、观察到的显著水平:由样本资料计算出来的检验统计量观察值所截取的尾部面积为。这个概率越小,反对原假设,认为观察到的差异表明真实的差异存在的证据便越强,观察到的差异便越加理由充分地表明真实差异存在。 3、检验所用的显著水平:针对具体问题的具体特点,事先规定这个检验标准。 4、在检验的操作中,把观察到的显著性水平与作为检验标准的显著水平标准比较,小于这个标准时,得到了拒绝原假设的证据,认为样本数据表明了真实差异存在。大于这个标准时,拒绝