假设检验应注意的问题

这是一个关于假设检验应注意的问题的思维导图，讲述了假设检验应注意的问题的相关故事，如果你对假设检验应注意的问题的故事感兴趣，欢迎对该思维导图收藏和点赞~

假设检验应注意的问题

• 确定假设检验的类型
  • 确定是单尾检验还是双尾检验
    • 单尾检验用于检验一个方向的假设
    • 双尾检验用于检验两个方向的假设
  • 确定是参数检验还是非参数检验
    • 参数检验基于已知的分布进行检验
    • 非参数检验基于样本数据本身进行检验
• 选择合适的检验统计量
  • 根据研究设计选择合适的检验统计量
    • 例如，t检验用于正态分布的样本数据
    • 卡方检验用于类别变量
  • 考虑样本量的影响
    • 样本量越大，检验统计量的效力越高
    • 样本量越小，检验统计量的效力越低
• 设定显著性水平
  • 显著性水平是拒绝原假设的最小概率
    • 常用的显著性水平有0.05、0.01和0.001
  • 显著性水平与检验结果的可靠性和敏感性有关
    • 显著性水平越高，检验结果越可靠，但敏感性越低
    • 显著性水平越低，检验结果越敏感，但可靠性越低
• 计算检验统计量
  • 根据选择的检验统计量和样本数据计算检验统计量
    • 例如，t检验的计算公式为t = (M μ) / SE
  • 确定检验统计量的自由度
    • 自由度是检验统计量分布的参数
    • 自由度越大，检验统计量的分布越接近正态分布
• 比较检验统计量与临界值
  • 确定检验统计量是否在临界值范围内
    • 如果在临界值范围内，则不能拒绝原假设
    • 如果不在临界值范围内，则拒绝原假设
  • 考虑单尾检验和双尾检验的临界值差异
    • 单尾检验的临界值只有一个
    • 双尾检验的临界值有两个，分别对应正方向和负方向
• 计算检验结果的效应量
  • 效应量是检验结果的大小
    • 常用的效应量有Cohen's d、r和η²
  • 效应量可以帮助解释检验结果的实际意义
    • 效应量越大，检验结果的实际意义越大
    • 效应量越小，检验结果的实际意义越小
• 解释检验结果
  • 根据检验统计量和临界值的比较结果解释检验结果
    • 如果不能拒绝原假设，则说明没有足够的证据支持备择假设
    • 如果拒绝原假设，则说明有足够的证据支持备择假设
  • 考虑多重比较的问题
    • 如果进行多个假设检验，需要考虑多重比较的问题
    • 常用的多重比较方法有Bonferroni校正、Holm校正和FDR校正等
• 报告检验结果
  • 报告检验统计量、显著性水平、效应量和检验结果
    • 报告检验统计量可以帮助读者理解检验结果的具体数值
    • 报告显著性水平可以帮助读者理解检验结果的可靠性
    • 报告效应量可以帮助读者理解检验结果的实际意义
    • 报告检验结果可以帮助读者理解检验结论
  • 报告假设检验的类型和检验统计量的选择
    • 报告假设检验的类型可以帮助读者理解检验的目的
    • 报告检验统计量的选择可以帮助读者理解检验方法的合理性;