|
编者语：为伊消得人憔悴；一用就错学不会； 舍得应付换应用；案例实战真英雄。 统计分析也不是包治百病的 虽然我们研究数据基本都需要统计分析后，获得P值，以确定我们研究因素是否真正发挥作用，但，我可告诉你哦，即使P<0.01，你得到的结果也还是会错误的哦！我们进行统计分析是会犯两种错误的，所以结论不能下的绝对！ 先看看“假设检验" 假设检验是我们进行进行通统计分析之前进行的假设，分为H0和H1假设。H0假设通常称为无效假设，H1假设为备择假设：如两种药物A和B治疗某病的疗效。 H0：A=B（无效假设） H1：A不等于B（备择假设） 检验水准：a=0.05（即小概率事件界值） I类错误 如果我们H0是真正成立的，可是，我们通过假设检验得到P<0.05，从而拒绝H0，接受H1，认为两者不等。此时我们统计就出错了，因为我们把真值抛弃掉了，因此，这种错误叫做”弃真“。就是I类错误（alpha）哦！ II类错误 如果H0假设真实情况为不成立，可是最后统计分析，得到P>0.05，因此，不能够拒绝H0，认为H0成立。此时统计又犯错误了，此种错误叫”存伪“，意思是将假的结果保留了下来，这就叫II类错误（beta）。研究中我们把1-beta称为把握度。 I和II类错误的关系 正所谓鱼和熊掌，不可两全，再同一个已经完成的实验中，alpha和beta呈现跷跷板的关系，一个增大则另一个减小。不可同时减小。然而，再一个尚未开展的研究前，我们可以通过增大研究的样本量，可以达到同时减小的目的。 |
|
|
