SAS – 假设检验
SAS – 假设检验
假设检验是使用统计数据来确定给定假设为真的概率。假设检验的通常过程包括如下所示的四个步骤。
第1步
制定原假设 H0(通常,观测是纯偶然的结果)和备择假设 H1(通常,观测显示真实效果与机会变异的分量相结合)。
第2步
确定可用于评估原假设真实性的检验统计量。
步骤 3
计算 P 值,即假设原假设为真,获得至少与观察到的数据一样显着的检验统计量的概率。P 值越小,反对原假设的证据就越强。
第四步
将 p 值与可接受的显着性值 alpha(有时称为 alpha 值)进行比较。如果 p <= alpha,则表示观察到的效果在统计上显着,则排除原假设,替代假设有效。
SAS 编程语言具有执行各种类型的假设检验的功能,如下所示。
Test | 描述 | SAS程序 |
---|---|---|
T-Test | t 检验用于检验一个变量的均值是否与假设值显着不同。我们还确定两个独立组的均值是否显着不同,以及依赖组或配对组的均值是否显着不同。 | 程序测试 |
ANOVA | 当存在一个独立的分类变量时,它还用于比较均值。我们希望在测试时使用单向方差分析,以查看区间因变量的均值是否根据自分类变量不同。 | 方差分析 |
Chi-Square | 我们使用卡方拟合优度来评估分类变量的频率是否可能由于偶然而发生。无论分类变量的比例是否为假设值,都必须使用卡方检验。 | 程序频率 |
Linear Regression | 当想要测试一个变量对另一个变量的预测效果时,可以使用简单线性回归。多重线性回归允许测试多个变量预测感兴趣变量的程度。使用多元线性回归时,我们还假设预测变量是独立的。 | 程序注册 |