统计显著性、实际显著性及实际重要性

长期以来人们对于显著性的理解缺乏正确的认识,而且统计意义上的显著性对实际问题的解释还存在一个实际上是否显著的问题,即使存在上述的显著性,这种显著性其重要性如何也是一个值得研究的问题。本文针对以上问题通过具体示例做出了比较和说明,以便于给从事统计学理论研究者和经营管理的决策层提供一个参考。     

统计显著性与实际显著性辨析

在实证分析中,越来越多的研究者借助于统计显著性检验来判别某种效应的存在与否,但某种效应在统计上具有显著性并不完全等同于其真的具有实际重要性。本文首先界定统计显著性和实际显著性的概念,然后分析实践中两者可能出现的六种组合情况,并从理论上探讨两者存在差异的原因,最后提醒研究者在科学研究中要对两者给予同等的关注。     

对假设检验更准确的考虑

在参数假设检验中,统计书上给出的显著性水平α的取值0.10,0.05或0.01的界限是从哪里来的?α的取值应如何确定?备择假设的不同和样本容量的大小会对检验的结果有什么影响?本文对这些问题进行了较深入的讨论,并特别指出“统计显著性”与“实际显著性”是两个不同的概念,“统计显著”并不意味着“结果重要”。     

关于假设检验中的P－值探讨

贝叶斯学派对于P－值在假设检验中的应用有很大的争议。文章介绍了P－值在数理统计中的地位,分析了P－值的含义以及应该如何正确理解p－值,指出了P－值的优点及不足之处,最后给出了几何分布和均匀分布参数假设检验时P－值的计算公式。     

方差未知的灰色统计假设检验及应用

利用随机信息进行参数的假设检验,是数理统计学的基本内容。但经典统计学的方法,都是建立在明确随机数据上的参数假设检验。而现实生活中很多数据具有模糊灰色不确定性,如何较为合理地进行科学判断。在灰色系统理论的基础上,建立了在随机样本信息下,方差未知时正态均值的灰色统计假设检验方法。并应用于医学统计中与经典的N-P假设检验方法进行了比较。     

统计显著性:一个被误读的P值——基于美国统计学会的声明

美国统计学会关于统计显著性与P值的官方声明发布之后,再次引发国内外研究学者对P值的广泛关注。在介绍国内统计教材中假设检验的基本内容和步骤的基础上,以硬币投掷与背影识人为例直观性解释P值、统计显著性与统计功效等相关概念,并引用心理学统计经典调查案例分析P值被误读的原因。同时,基于美国统计学会的声明,给出正确使用P值的建议。     

科学地选择零假设及显著性水平

一、基本假设方法以及实际应用 在这里,我们可以举一个简单的例子,我们假如甲方生产了灯泡卖给乙方,甲方保证灯泡的合格品率达到99%以上,而这批灯泡的合格品率是否真的达到99%以上?如果记这批灯泡的次品率为P,这就相当于要对问题H:"整批灯泡的次品率P是否超过1%"作出判断.     

提高基层统计水平的现实对策

基层统计对于反映、记录某一地域内的社会经济发展状况,为生产经营决策提供科学的依据,其地位和作用不可低估。基层统计是最原始的统计信息源,就其职能而言,担负着服务同级和服务上级的双重任务。它的真实性与准确性,不仅关系那个地域的科学决策,而且牵涉到全局决策。从现实情况来看,由于主观原因和客观因素的影响,时常出现基层     

小样本情况下的游程检验

对于二项分布,在传统的参数统计中,我们可以检验其分布特性,但涉及到数据的随机性、独立性问题时,常常束手无策。在非参数统计中,针对二项分布问题,尤其是分布,我们可以利用游程检验判断其随机性。本文将对小样本情况下的游程检验进行分析和证明,并指出其在实际生产、研究过程中的应用。游程检验主要可以用于对属性数据的分析,判断一些事件的发生是不是独立的,也可用于对事件发生概率的推断,在此我们主要针对数据的随机性检验介绍游程检验。     

Bootstrap方法在死亡模型中的应用

 由于不同国家死亡率改善现象不同,世界各国所使用的死亡率模型皆不尽相同,而且不同年龄段的死亡率模型也不同。实际中,我们常常采用Gompertz模型、Makeham模型、Weibull模型等拟合高年龄段人口的死亡率,但是因高年龄段人口的死亡数据资料不够充分,较少有人以统计的观点给出模型适合性的检验过程。因此本研究提出利用Bootstrap方法检验死亡模型假设的方法,包括模型适合性的检验、参数估计、参数假设检验等。最后,本文应用中国1997－2007年65－89岁人口的粗死亡率数据,提出适合的死亡模型,然后给出利用Bootstrap方法进行死亡模型检验的全过程。     

基于先验信息的贝叶斯统计检验和经典统计检验的比较

文章通过分析先验分布中的参数和经典统计检验的显著性水平,对贝叶斯统计检验和经典统计检验进行比较研究     

EXCEL辅助教学与假设检验

假设检验是现代统计学中不可缺少的一部分,本文介绍运用ＥＸＣＥＬ辅助假设检验的教学。     

统计假设检验中小概率原理的辨析

假设检验是统计学的核心内容之一,其基本逻辑就是小概率原理,文章从观察数据与原假设的差异与相应概率的联系分析中,阐述了统计假设检验的小概率原理,揭示了假设检验的内在方法论基础。     

数据的正态性检验方法及其统计软件实现

数据的正态性是统计学中点估计,假设检验等理论的基础,在t检验,F检验,卡方检验中都需要检验变量的分布是否为正态;另外方差分析,回归分析等统计分析中也都首先验证待分析的数据是否为正态.数据的正态性检验是进行大部分统计分析的第一步.文章介绍了最常用的验证数据正态分布的方法,同时对它们在统计分析软件R中的实现进行介绍.     

概率统计在决策分析中的应用

风险型决策是经济工作中的一个难题,本文主要从先验信息分析和后验信息分析两方面利用概率统计知识进行了决策分析,并给出了最小损失标准的计算方法,为风险决策提供了数据依据。     

区间估计与假设检验

本文研究了区间估计与假设检验的内在联系及其区别,探讨了这两种方法的各自应用范围及应注意的问题.     

EXCEL在假设检验中的应用

一、基本原理假设检验是推断统计中的一项重要内容 ,它先对研究总体的参数作出某种假设 ,然后从所研究总体中抽取样本进行观察 ,用样本所提供的信息对假设的正确性进行判断 ,从而决定假设是否成立。若观察结果与理论不符 ,则须放弃假设 ;否则 ,认为无充分证据表明假设错误。假设检验的一般步骤是 :提出零假设和备择假设 ;确定适当的检验统计量并计算其值 ;根据显著性水平α定出拒绝区 ;作出最终结论。二、单个样本的假设检验对单个样本的假设检验 ,我们可以根据抽样推断的思路 ,用相应函数计算临界值 ,来判断是接受还是拒绝零假设。以检验均…     

适应市场经济需要提高统计分析水平

从统计分析的现状来看,统计分析是目前统计工作最为薄弱的环节,也是理论工作者必须加强和研究的课题和突破点。在我国实行改革开放建立社会主义市场经济的今天,统计面临的问题很复杂,需要解决的问题很多。但从实际工作的呼唤和战略的观点考虑,在市场经济不断完善发展的新形势下,统计工作只满足于利用各种调查方法,提供准确、及时、全面的统计资料,已经远远不能满足新形势发展的需要。在不断改革改进统计调查方法,完善统计指标体系,充分掌握大量可靠统计资料的基础上,进一步提高统计分析水平,不仅是市场经济深入发展的需要,而且…