z 检验判断显著性水平,核心就是两套主流判断方式,第一种是 z 统计量和临界值对比,第二种是计算 p 值和预先设定的显著性水平 alpha 对比,只要满足判定规则,就可以拒绝原假设,认为结果具备统计显著性,最常用的显著性水平 alpha 取值是 0.05,也会根据研究要求选用 0.01 或者 0.1,很多初学者容易混淆单侧检验和双侧检验的临界值,这也是 z 检验最容易出错的地方,z 检验前提是总体标准差已知,样本量比较大,抽样分布服从标准正态分布,所有判断都是建立在标准正态表也就是 z 表基础之上。
基础概念对照表
| 项目 | 说明 |
|---|---|
| 显著性水平 alpha | 事先设定的犯错概率,常用 0.05 0.01 |
| z 统计量 | 样本计算得到的检验值 |
| 临界值 zα | 查标准正态表得到的分界数值 |
| p 值 | 在原假设成立前提下,出现当前或者更极端样本的概率 |
| 双侧检验 | 拒绝域分布在正态曲线左右两端 |
| 单侧检验 | 拒绝域只在正态曲线一侧 |
两种判断方式深度讲解
临界值法,先确定是单侧还是双侧检验,选定 alpha,查标准正态分布表得到对应的临界 z 值,把计算出来的 z 统计量和临界值做比较,如果 z 统计量落在拒绝域,也就是绝对值大于临界值,就判定显著,拒绝原假设,如果没有超过临界值,就不能拒绝原假设。
常用参考数值,双侧 alpha 等于 0.05,临界值是正负 1.96,双侧 alpha 等于 0.01,临界值是正负 2.58,单侧 alpha 等于 0.05 临界值是 1.645,单侧 alpha 等于 0.01 临界值是 2.33,这些数值做题经常直接使用,建议记忆。
p 值法,算出 z 统计量之后,查标准正态表得到对应的 p 值,把 p 值和 alpha 比较,如果 p 小于 alpha,代表在设定显著性水平下结果显著,拒绝原假设,如果 p 大于等于 alpha,就不显著,不能拒绝原假设。
两种方法结论是等价的,考试可以任选一种,但是题目如果指定要用 p 值或者临界值,就要按照题目要求完成 z 检验显著性判断。
完整操作步骤
第一步 建立原假设和备择假设,确定本次是双侧检验还是单侧检验。
第二步 预先设定显著性水平 alpha,一般题目会直接给出,没有说明默认取 0.05。
第三步 根据样本数据计算 z 检验统计量 z 值。
第四步 选择判断方案,临界值法就查 z 表得到临界值,p 值法就根据 z 值计算对应的 p 值。
第五步 对比判定,临界值法看 z 是否落入拒绝域,p 值法比较 p 和 alpha 大小。
第六步 写出统计结论,说明在该显著性水平下是否拒绝原假设,同时补充实际业务解释。
补充注意事项,z 检验显著性判断只代表统计学意义,不等于实际效果很大,显著性和效应大小是两个概念,alpha 设置越严格,比如改成 0.01,拒绝原假设门槛就更高,不容易得出显著结果。
综合总结,z 检验显著性水平判断就是预先定好 alpha,要么对比 z 统计量和临界值,要么对比 p 值和 alpha,双侧单侧临界值不一样,两套方法结论保持一致。
【常见问题】
问题 1 z 检验双侧 0.05 显著性水平临界值是多少
回答 1 z 检验双侧 0.05 显著性水平对应的临界值是正负 1.96,计算得到的 z 统计量绝对值大于 1.96,就代表在该显著性水平下结果显著。
问题 2 z 检验 p 值大于 alpha 为什么不显著
回答 1 z 检验当中 p 值大于 alpha,说明当前样本出现的概率没有超过预先设定的显著性水平阈值,没有足够证据拒绝原假设,判定为不显著。
问题 3 z 检验单侧和双侧显著性判断有什么区别
回答 1 z 检验单侧检验拒绝域只在一侧,双侧检验拒绝域分布在两端,同样 alpha 下,单侧临界值绝对值更小,更容易达到显著性水平。
【免责申明】
本内容为统计学 z 检验教学参考,实际应用需要结合研究设计和前提假设,不替代专业统计分析意见。
