金币
UID293206
帖子
主题
积分3930
注册时间2017-3-29
最后登录1970-1-1
听众
性别保密
|
发表于 2017-9-18 15:47:06
|
显示全部楼层
本帖最后由 feignte 于 2017-9-18 16:00 编辑
个人理解.
统计显著性,一般是指两组数据根据给定的α值做检验,一般过程如下:
原假设:A=B
备择假设:A≠B
显著性水平:α=α0
然后构造统计量,比较统计量和p的大小,然后拒绝或者不拒绝原假设.
问题在于,我们在接受备择假设"两样本有显著性差异"的时候,真正关心的是什么.
看下面两组数据,是同一样品含量的在不同方法下的测试值:
98.70±0.01
98.60±0.01
这两组数据,即便用一些较极端的α值,无论用什么方法检验,结论总是:"两种测试方法有显著性差异"
但实际呢,0.1%的含量差异,我们真的关心吗?将两种方法的精密度都降下去,比如±0.2,检验结果反而成了"不能表明存在显著性差异"
我们真正关心的问题是:差异有多大,和我们的能接受水平相比如何?而不是套用一个检验方法,定一个α=0.05就强行上去算.
http://support.minitab.com/zh-cn/minitab/17/topic-library/basic-statistics-and-graphs/introductory-concepts/p-value-and-significance-level/practical-significance/
这里面最后一句话很好,"置信区间(如适用)通常比假设检验更加有用,因为它们除了统计显著性外,还提供一种评估实际显著性的方法。它们可以帮助您确定参数值是什么,而并非参数值不是什么。" |
|