常用统计检验方法汇总

在统计学中，有许多不同的统计检验方法，用于验证假设、比较数据集之间的差异或关联等，接下来对一些常见的统计检验方法及其使用方法的简要介绍：

1. 学生 t 检验（Student's t-test）：

   • 用途：比较两个样本均值是否显著不同。
   • 使用方法：根据数据类型和样本间的关系，选择独立样本 t 检验（两组独立样本）或配对样本 t 检验（相依样本）。

2. 方差分析（Analysis of Variance, ANOVA）：

   • 用途：比较三个或更多组之间的均值是否存在显著差异。
   • 使用方法：根据设计的不同，选择单因素（One-way ANOVA）或多因素（Two-way ANOVA）等适当的方差分析方法。

3. 卡方检验（Chi-square test）：

   • 用途：用于比较观察值与期望频数之间的差异，用于分析分类变量之间的关联性。
   • 使用方法：根据数据类型和研究问题，选择卡方独立性检验或卡方拟合优度检验等。

4. 相关分析（Correlation analysis）：

   • 用途：用于评估两个变量之间的线性关系强度和方向。
   • 使用方法：计算相关系数，如皮尔逊相关系数（Pearson correlation coefficient）或斯皮尔曼等级相关系数（Spearman rank correlation coefficient）。

5. 线性回归分析（Linear regression analysis）：

   • 用途：用于建立和评估自变量与因变量之间的线性关系。
   • 使用方法：拟合线性回归模型，评估回归系数、残差和模型拟合优度等。

6. 非参数检验（Nonparametric tests）：

   • 用途：适用于数据不满足正态分布或假设方差齐性的情况。
   • 使用方法：包括 Wilcoxon 符号秩和检验（Wilcoxon signed-rank test）、Mann-Whitney U 检验（Mann-Whitney U test）、Kruskal-Wallis 检验（Kruskal-Wallis test）等。

7. McNemar 检验：

   • 用途：用于比较两个相关样本的比例差异，常用于配对样本的二分类数据。
   • 使用方法：构建 2x2 的列联表，计算 McNemar 统计量，进行假设检验。