基于假设检验的区间估计必要样本容量确定

文章比较了假设检验必要样本容量和区间估计必要样本容量的确定方法，认为二者具有相同的数理统计原理，可以将区间估计作为假设检验的一种特例来看待。在区间估计中存在忽视纳伪错误的弊端，可通过增加必要样本容量的方法，同时控制犯弃真错误和纳伪错误的概率，进而提高置信区间的精度。     

深入理解假设检验原理

本文通过一道假设检验问题引入了对假设检验原理的思考。文中作者对假设检验中的两类错误及原假设与备择假设之间的关系进行了深入的分析。     

假设检验中控制第二类错误的探讨

总体参数假设检验中犯第二类错误的概率受到检验水平、参数真值和样本容量等因素的影响。花费过多的成本（样本容量很大）去检验总体参数与待检值是否还存在细小的差距往往是不必的，因而，在给定“辨别差距”的情况下，可以通过选择样本容量在一定程度上实际实现对两类错误的控制。     

多重假设检验及其在经济计量中的应用

 基于错误发现率(FDR: False Discovery Rate)的多重假设检验（MHT：Multiple Hypothesis Testing），已成为一种有效解决大规模统计推断问题的新方法。本文以错误控制为主线，对多重假设检验问题的错误控制理论、方法、过程和最新进展进行综述，并对多重假设检验方法在经济计量中的应用进行展望。     

单侧假设检验中备择假设的设定依据

本文从假设检验的基本原理出发,检讨假设检验的逻辑哲学基础,指出假设检验应从备择假设入手,把希望证明的命题放在备择假设上,统计结论的正确理解只有接受备择假设,拒绝原假设;没有接受原假设,拒绝备择假设,最后指出了现行教科书中对假设检验的错误定义和结论表述的不准确,以及学生在学习过程中和一些研究文章中普遍存在的几个错误观点。     

参数假设检验中的若干基本问题研究

文章对参数统计检验中的基本原理、势函数与两类错误、检验的p值和单边检验的假设与拒绝域等若干基本问题进行了研究,并分析了它们之间的关系,阐明了参数的区间估计和假设检验的关系,揭示了参数统计推断的本质。     

也谈深入了解假设检验原理

本文对假设检验的原理进行了深入浅出的非数学的阐述，并对假设检验中的一些问题提出了自己的看法。     

实践中的假设检验

假设检验是《统计学》中很重要的内容。许多《统计学》教材都花很多笔墨详细介绍,并解释假设检验的结果如何分析。《统计学》(贾俊平编著,中国人民大学出版社2008年11月第3版)做了这样的描述:假设检验得出的结论都是根据原假设进行阐述的。我们要么拒绝原假设,要么不拒绝原假     

假设检验功效的蒙特卡罗模拟

检验功效是评价检验法检验效果的重要指标,因而计算功效函数极为重要。文章先从假设检验两类错误的蒙特卡罗模拟入手,继而得到功效函数的蒙特卡罗模拟,最后以实例说明蒙特卡罗模拟是很好的功效函数数值展示的方法,这对难以得到功效函数显示表达式的统计分析尤其有重要意义。     

对假设检验中几个问题的思考--兼与韩兆洲、魏章进商榷

《统计与信息论坛》2005年第一期刊登了韩兆洲、魏章进两位同志的题为《假设检验的一个常见误区》(以下简称《误区》)的文章。《误区》一文从一道假设检验例题的讲解出发,阐述了假设检验中关于建立原假设的一般原则。单就那道例题的解法而言,笔者没有任何异议,但对于《误区》一     

线性回归模型设定的两个常见错误分析

删除截距项和遗漏解释变量是线性回归模型估计中的两个常见错误,删除截距项错误发生的原因是检验过程中发现其不显著而将其剔除,这会造成模型参数估计和假设检验的失真;遗漏解释变量的错误发生原因是人们错误认为只要变量存在相关性且存在因果联系就可以进行回归分析,以至于不考虑其它重要的解释变量,此时建立的模型不能用于经济结构分析和政策评价,最多只能用于预测目的。     

数量化Ⅱ类弓形效应修正方法及应用

对应分析在对定性数据进行数量化处理过程中出现了“弓形效应”，关于对应分析的“弓形效应”的修正方法已经有了丰富的研究成果，避免了可能错误的分析结果，对理论界和应用领域都有重要意义。数量化Ⅱ类是关于定性数据的一种判别分析方法，在国内外已被广泛应用。本文通过大量模拟数据研究发现，数量化Ⅱ类在对定性数据进行数量化过程中出现了“弓形效应”，降低了正判别率，同时不能正确再现原始数据信息，得出与原始数据信息不符的错误分析结果，为修正“弓形效应”，提出了二阶段判别分析法，并从正判别率和对原始数据再现程度两个方面对数量化Ⅱ类与二阶段判别分析法进行了比较，同时将二阶段判别分析法运用到个人信用评级中，发现二阶段判别分析法的判别性能优于数量化Ⅱ类。     

参数假设检验中原假设与备择假设的交换问题

假设检验中,常常将原假设和备择假设进行交换,然后对其结论进行比较分析.然而,这种比较的合理性有时令人置疑,文章针对此问题并结合实际展开分析,以完善假设检验理论与实践的结合.     

从假设检验谈推断统计思维方法的特点

文章结合假设检验的例子，论述了推断统计思维方法的几个特点，即统计指标变异的客观性、抽样误差的必然性、推断统计的风险性、统计结论的可靠性与平均规律性，从而说明推断统计方法在测定误差和风险程度时是一种极为有效的工具     

如何在假设检验中设立原假设

本文结合生物统计案例,对假设检验中有关单侧检验的问题,以及假设检验的两类错误、原假设与备择假设、单侧检验中原假设的设定等方面进行了探讨。     

时间趋势平稳性检验的带宽选择及其影响

本文将基于最小化两类错误的概率选择带宽的思想引入KPSS检验。文章通过蒙特卡罗仿真实验,对基于最小化均方误差和最小化两类错误概率的KPSS检验的有限样本性质进行了比较;并对中国季度实际GDP对数序列的平稳性进行了检验。结果表明,基于最小化两类错误概率的检验比基于最小化均方误差的检验有更大的水平扭曲,但前者也有更大的检验势;并且在误差项自回归系数小于等于0.5的大多数情形下,基于最小化两类错误概率的检验有更好的有限样本性质;中国季度实际GDP对数序列是带漂移的单位根过程。     

两类错误条件下的样本容量选择

应该抽取多少样本,这是在社会调查各个阶段中均会遇到的基本问题.众所周知,在统计假设检验中,会发生"弃真"和"取伪"两类错误,一般的统计检验中,往往随意确定样本容量,且只重视第一类错误,那么对于一些重要的检验,第二类错误就无法控制.文章从两类错误的定义,探讨了两类错误与样本容量的关系;并在控制两类错误的条件下,分别就均值检验、成数检验和方差检验给出了样本容量的确定公式.     

两类错误条件下方差检验中样本容量的确定

在统计假设检验中,会发生"弃真"和"取伪"两类错误。一般而言,在只给出犯第一类错误的概率、样本容量自由选择的情况下,犯第二类错误的概率是无法控制的。文章从两类错误的概念出发,分别探讨了方差检验中单母体及双母体均值已知、均值未知情形下两类错误与样本容量的关系;并在控制两类错误的条件下,推导出了确定样本容量的公式。     

假设检验的一个常见误区

文章通过对假设检验的一个常见错误进行了理论分析,指出假设检验的方法只能在一定情况下否定原假设而不能肯定原假设,并提出了设定原假设和备择假设的正确而简明的方法。     

基于Logistic回归和BP神经网络的财务预警模型比较

国内对Logistic回归模型和BP神经网络模型在财务预警方面已有不少实证研究,这些研究大多从预测准确度较高的角度出发,认为两个模型可以借鉴使用,但没有具体讨论模型犯第一类错误(将财务危机误判为财务正常)和第二类错误(将财务正常误判为财务危机)的概率.文章结合Logistic回归模型及BP神经网络模型的原理,选取上市公司财务数据进行实证,研究结果表明BP神经网络模型总体预测准确性较高,犯第一类错误的概率较低,对财务预警分析有一定借鉴作用;Logistic回归模型预测准确度低于BP神经网络模型,且犯第一类错误的概率远高于BP神经网络模型,因此运用该模型进行财务预警时应十分谨慎.