测试统计数据|定义、解释和示例
的检验统计量是从假设的统计检验中计算出来的数字。它显示了你观察到的数据与分布这是统计检验零假设下的预期。
检验统计量用于计算p价值你的结果，有助于决定是否拒绝你的零假设。
测试统计量到底是什么?
测试统计量描述数据的分布与预测分布的匹配程度零假设你所使用的统计测试。
的分布数据的频率是每次观测发生的频率，可以用它来描述集中趋势以及围绕中心趋势的变化。不同的统计测试预测不同类型的分布，所以重要的是选择正确的统计检验为了你的假设。
检验统计量使用集中趋势、变异、样本大小和数量将观察到的数据总结为单个数字预测变量在统计模型中。
通常，测试统计量是根据数据中的模式(即相关变量之间或组之间的差异)除以方差在数据中(即标准偏差）.
- 零假设(H0)：开花时间与温度无相关性。
- 另一假设(H一个或H1)：花期与温度有一定的相关性。
为了检验这个假设，您执行一个回归测试，它生成一个t值作为其检验统计量。的tValue将观察到的这些变量之间的相关性与零相关性的零假设进行比较。
测试统计信息的类型
下面是最常见的检验统计数据，它们的假设和类型的摘要统计测试使用它们。
不同的统计测试计算这些测试统计数据的方法略有不同，但基本的方法是相同的假设检验统计量的解释保持不变。
| 检验统计量 | 零假设和替代假设 | 使用它的统计测试 |
|---|---|---|
| t价值 | 零:两组人的平均数相等 选择:两个群体的收入是不相等的 |
|
| z价值 | 零:两组人的平均数相等 选择:两个群体的收入是不相等的 |
|
| F价值 | 零:两个或多个组之间的差异大于或等于组之间的差异 选择:两个或多个组之间的差异小于组间的差异 |
|
| X2价值 | 零:两个样本是独立的 选择:两个样本不是独立的(即，它们是相关的)。 |
在实践中，您几乎总是使用统计程序(R、SPSS、Excel等)来计算测试统计量，该程序还将计算p测试统计量的值。然而，可以在网上找到手工计算这些统计数据的公式。
- 回归系数为0.36
- 一个t将该系数与无关系原假设下回归系数的预测范围进行比较的值
的t回归检验的值是2.36——这是你的检验统计量。
解释测试统计数据
对于样本大小和预测变量数量的任何组合，统计检验将产生检验统计量的预测分布。这是最有可能的范围如果您的数据遵循统计检验的零假设，将会出现的值。
您的检验统计量越极端——它越靠近预测检验值范围的边缘——您的数据在统计检验的零假设下生成的可能性就越小。
所计算的检验统计量与预测值之间的一致性由p价值．越小p值，在统计检验的零假设下，检验统计量发生的可能性就越小。
因为测试统计量是由观察到的数据生成的，这最终意味着p值，如果零假设为真，你的数据发生的可能性就越小。
因此，在统计上，你观察到的数据不太可能出现在零假设下。使用0.05的显著性阈值，你可以说结果是统计上显著．
报告测试统计信息
测试统计数据可以在你的研究论文的结果部分和样本量一起报告，p测试的价值，以及有助于将这些结果置于上下文中的数据的任何特征。
您是否需要报告测试统计数据取决于您要报告的测试类型。
| 测试类型 | 要报告哪些统计数据 |
|---|---|
| 相关和回归检验 |
|
| 组间差异检验 |
|
通过对100棵树进行25年的随机调查，我们发现了具有统计学意义的(p< 0.01)温度与花期呈正相关(R2= 0.36,SD= 0.057)。
在我们对小鼠饮食A和小鼠饮食B的比较中，我们发现饮食A的寿命(米= 2.1年;SD= 0.12)显著短于饮食B (米= 2.6年;SD= 0.1)，平均相差6个月(t(80) = -12.75;p <0.01)。
关于测试统计的常见问题
- 我如何知道使用哪个测试统计量?
-
您使用的检验统计量将由统计检验确定。
你可以选择正确的统计检验通过查看您收集的数据类型以及您想要测试的关系类型。
引用这篇Scribbr文章
如果你想引用这个来源，你可以复制和粘贴引用或点击“引用这篇Scribbr文章”按钮，自动添加到我们的免费引用生成器引用。
贝文斯，R.(2022年11月18日)。测试统计数据|定义、解释和示例。Scribbr。检索于2022年12月14日，来自//www.charpingshvac.com/statistics/test-statistic/
