统计学基础/显著性

显著性

在统计检验中，我们处理概率。以一种统计上可检验的方式提出我们的研究问题，就是问

如果零假设为真，我观察到我收集到的数据的可能性有多大？

更技术地说

p 值表示如果零假设为真，则看到如此极端数据的概率

我们设定一个阈值，最常见的是 99% 或 95%，这意味着我们承认我们可能被误导而拒绝零假设，分别为 1% 或 5% 的时间。P 必须低于此阈值才能拒绝零假设。也就是说，p 必须小于 0.01 或小于 0.05（99% 和 95% 的倒数，以小数表示）。

这个值，即p 值，被认为决定了检验结果是否显著。如果结果显著，则拒绝零假设。

人们经常发现上述第三步 - 选择正确的检验 - 最困难，但如果我们知道我们想做什么，并且对我们数据的性质有所了解，这并不难。下表涵盖了大量常见情况。

问题	因变量的度量	两个变量或组	两个以上变量或组	参数	非参数
是否存在关联？	名义	是	^[1]		卡方检验
是否存在关联？	序数	两个			斯皮尔曼秩相关系数（并附带强度指示）
是否存在关联？	标量	两个		皮尔逊相关系数（并附带强度指示）
均值或中位数是否相同？	标量	两个		学生 t 检验	曼-惠特尼 U 检验
均值或中位数是否相同？	标量		两个以上	方差分析 (ANOVA)	克鲁斯卡尔-沃利斯检验
我能否从一个预测另一个？	标量	两个	两个以上独立	回归或多元回归

当我们制定涉及参数或统计量值的比较的假设时，我们选择以两种方式之一提出问题。我们可以简单地问值是否不同，或者我们可以问一个值是否小于（或大于）另一个。在第一种情况下，我们将使用双尾检验来确定结果，而在第二种情况下，我们将使用单尾检验。