R语言迹检验协整关系式_R语言与显著性检验学习笔记

一、何为显著性检验

显著性检验的思想十分的简单，就是认为小概率事件不可能发生。虽然概率论中我们一直强调小概率事件必然发生，但显著性检验还是相信了小概率事件在我做的这一次检验中没有发生。

显著性检验即用于实验处理组与对照组或两种不同处理的效应之间是否有差异，以及这种差异是否显著的方法。

常把一个要检验的假设记作H0,称为原假设(或零假设)，与H0对立的假设记作H1，称为备择假设。

⑴在原假设为真时，决定放弃原假设，称为第一类错误，其出现的概率通常记作α；

⑵在原假设不真时，决定接受原假设，称为第二类错误，其出现的概率通常记作β。

通常只限定犯第一类错误的最大概率α，不考虑犯第二类错误的概率β。这样的假设检验又称为显著性检验，概率α称为显著性水平。

我们常用的显著性检验有t检验，卡方检验，相关性检验等，在做这一些检验时，有什么需要注意的呢？

二、正态性与P值

t检验，卡方检验，相关性检验中的pearson方法都是建立在正态样本的假设下的，所以在假设检验开始时，一般都会做正态性分析。在R中可以使用shapiro.test()。来作正态性检验。当然在norm.test包中还提供了许多其他的方法供我们选择。

P值是可以拒绝原假设的最小水平值。

三、四个重要的量

综合前面的叙述，我们知道研究显著性检验有四个十分重要的量：样本大小，显著性水平，功效，效应值。

样本大小：这个显然，样本越多，对样本的把握显然越准确，但是鉴于我们不可能拥有无限制的