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四个步骤,如下所示。

步骤-1


制定原假设 H0(通常,观察结果是纯机会的结果)和备择假设 H1(通常,观察结果显示了与机会变化成分相结合的真实效果)。

步骤-2


确定可用于评估零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,获得的检验统计量至少与观察到的统计量一样显着的概率。 P 值越小,反对原假设的证据越强。

步骤-4


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,即观察到的效果在统计上显着,则排除原假设,并且备择假设有效。

SAS 编程语言具有执行各种类型假设检验的功能,如下所示。

Test 描述 SAS PROC
T-Test t 检验用于检验一个变量的平均值是否与假设值显着不同。我们还确定两个独立组的平均值是否显着不同,以及依赖组或配对组的平均值是否显着不同。 过程测试
ANOVA 当有一个独立的分类变量时,它也用于比较均值。我们想在测试时使用单向方差分析,看看区间因变量的均值是否根据自分类变量而不同。 方差分析
卡方 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是假设值,都需要使用卡方检验。 处理频率
线性回归 当人们想要测试一个变量对另一个变量的预测程度时,使用简单的线性回归。多元线性回归允许人们测试多个变量对一个感兴趣的变量的预测程度。当使用多元线性回归时,我们还假设预测变量是独立的。 PROC REG