論文的統(tǒng)計(jì)顯著性檢驗(yàn)〔圍繞對立假設(shè)〕,碩士論文寫作顯著性檢驗(yàn)是推論統(tǒng)計(jì)中的一個(gè)重要概念,是數(shù)據(jù)分析的必要環(huán)節(jié)。管理領(lǐng)域的實(shí)證研究大部分采用樣本研究,從研究對象的總體中抽樣收集數(shù)據(jù)。然而,研究者抽取樣本的著眼點(diǎn)并非局限于研究樣本,最終目的是要從樣本來推論樣本所在總體的特性。對樣本的研究成為推論總體的基礎(chǔ),從樣本中找到的統(tǒng)計(jì)特征能否真正能代表研究者所關(guān)心的總體特征,有待判定從統(tǒng)計(jì)角度來看，樣本與總體之間存在的差異能否顯著,這是推論統(tǒng)計(jì)所關(guān)注和力圖解決的問題。1.研究假設(shè)和對立假設(shè)管理實(shí)證研究中,推論統(tǒng)計(jì)從統(tǒng)計(jì)數(shù)據(jù)出發(fā),去推論研究假設(shè)是真或是假。推論的思路有個(gè)特點(diǎn)，它不是直接論證研究假設(shè)(researchhypothesis或alternativehypothesis,有的譯為檢測假設(shè))的真假,而是先去論證對立假設(shè)(nullhypothesis，有的譯為虛無假設(shè)、無效假設(shè)、零假設(shè)或原假設(shè))是假還是真。對立假設(shè)是研究假設(shè)的邏輯對立面。例如,研究假設(shè)為樣本均值和所屬總體均值之間無差異,對立假設(shè)則為樣本均值和所屬總體均值之間存在差異。推論統(tǒng)計(jì)中,先判定對立假設(shè)是真還是假,然后再來評判研究假設(shè)是假還是真。研究生很可能提出問題,為什么不直接評判研究假設(shè)的真假,而要繞個(gè)彎先去評判對立假設(shè)?這是由于推論統(tǒng)計(jì)不可能直接證實(shí)研究假設(shè),而相反,一旦斷定對立假設(shè)是假以后,研究假設(shè)便可能成立。下面舉例來講明這個(gè)道理。設(shè)定研究假設(shè):骰子無偏差。即是講,每次擲骰子，六個(gè)數(shù)字出現(xiàn)的概率都是1/6。實(shí)證意味著通太多次擲骰子來檢驗(yàn)此假設(shè)，假定擲了18次,統(tǒng)計(jì)下來,骰子每面都出現(xiàn)3次,這符合無差異的判定。那么,這能否就證實(shí)了研究假設(shè)呢?并沒有,也許擲18次以后會出現(xiàn)差異。于是,再擲下去,一直擲了540次,而且每個(gè)面都出現(xiàn)90次,仍符合無差異的判定,這時(shí)，能否能得出證實(shí)的結(jié)論呢?還是不行,差異也許在這里后擲的次數(shù)中出現(xiàn),進(jìn)一步講,就是擲的次數(shù)再多也不能證實(shí)無差異的研究假設(shè)。這么屢次擲骰子的事實(shí),雖缺乏以提供無差異的證據(jù),倒是有充分的理由拒絕其對立假設(shè)，即骰子存在差異,由于從論證邏輯來講,只要出現(xiàn)一次證偽的事例即有拒絕假設(shè)的理由,何況是上述這么屢次出現(xiàn)不支持骰子存在差異的事例。拒絕對立假設(shè)就是間接支持了研究假役。推論統(tǒng)計(jì)中就是根據(jù)這樣的邏輯行事,以對立假設(shè)為操作對象,如統(tǒng)計(jì)證據(jù)拒絕對立假設(shè),則支持相應(yīng)的研究假設(shè),它可能為真。不管計(jì)算方式方法怎樣多種多樣，所有的推論統(tǒng)計(jì)得出的結(jié)果,都是指對立假設(shè)為真的概率是多少。以上述擲骰子為例,也許擲到660次出現(xiàn)差異,或者990次的時(shí)候又出現(xiàn)一次差異,講明盡管否認(rèn)對立假設(shè)的論據(jù)甚多，也會出現(xiàn)少量的肯定對立假設(shè)的證據(jù),但從統(tǒng)計(jì)觀點(diǎn)來看,不能由于出現(xiàn)一兩次肯定證據(jù),就無視千百次否認(rèn)證據(jù)。這時(shí),研究者就要作出判定,最多能允許對立假設(shè)為真的證據(jù)出現(xiàn)多少次，小于這些次數(shù)時(shí),則仍然拒絕對立假設(shè)并支持研究假設(shè)。為了回答這個(gè)問題，表示出研究假設(shè)的可信任程度,推理統(tǒng)計(jì)引人一個(gè)重要概念,即統(tǒng)計(jì)顯著性。2.統(tǒng)計(jì)顯著性由于樣本與總體之間的統(tǒng)計(jì)特征值必然會有差異,研究者就需要從統(tǒng)計(jì)上來判定所存在的差異,是顯著還是不顯著。具有統(tǒng)計(jì)顯著性的差異,指的是有足夠理由相信這種差異并非抽樣的隨機(jī)誤差,而是某種因素引起的偏差。例如,某種牌號的飲料,全市商店的平均價(jià)格為15元,如隨機(jī)抽樣五家商店的該飲料價(jià)格，平均為16元。這能否講明兩者之間存在顯著的統(tǒng)計(jì)差異?此時(shí),應(yīng)用統(tǒng)計(jì)學(xué)有套規(guī)則來判定這一元的差異能否具有統(tǒng)計(jì)顯著性。與統(tǒng)計(jì)顯著性并存的概念是實(shí)務(wù)顯著性,它取決于消費(fèi)者的主觀判定,有人以為貴一元錢無所謂,實(shí)務(wù)顯著性就低,有人卻在意一元錢,意味著實(shí)務(wù)顯著性高。數(shù)據(jù)分析主要考慮統(tǒng)計(jì)顯著性,但實(shí)務(wù)顯著性的概念還是不能忘記，假如有種差異,眾人都以為實(shí)務(wù)顯著性很低,就沒必要花精神去判定它的統(tǒng)計(jì)顯著性,由于即便判定出來也沒有多大實(shí)用價(jià)值。統(tǒng)計(jì)顯著性檢驗(yàn)圍繞對立假設(shè)做文章,如拒絕對立假設(shè),則接受研究假設(shè)。不管是接受還是拒絕對立假設(shè),都有可能作出錯(cuò)誤的判定，或者是拒絕了一個(gè)正確的對立假設(shè),或者是接受了一個(gè)錯(cuò)誤的對立假設(shè)。這就引出了推論統(tǒng)計(jì)中的兩種誤差,甲種和乙種誤差,或稱I類誤差和II類誤差。甲種(I類)誤差指對立假設(shè)正確而被錯(cuò)誤地拒絕的概率,用顯著度a(levelofsignificance)來表示。其含義能夠通過上述對立假設(shè)樣本均值和所屬總體均值之間無差異來解釋。現(xiàn)從總體中抽出一個(gè)樣本來檢驗(yàn),可能接受該對立假設(shè),可以能拒絕。假定抽取檢驗(yàn)的樣本中,雖有95%接受該對立假設(shè),還有5%的樣本拒絕該對立假設(shè)(即p=0.05),這時(shí)到底是接受還是拒絕對立假設(shè)?推論統(tǒng)計(jì)不能直接給出肯定答案:,而要看研究者容許的甲種誤差,即顯著度a。如選擇顯著度a=0.05,則表示清楚研究人員認(rèn)定,即便有5%樣本拒絕對立假設(shè),結(jié)論還是接受對立假設(shè)。a=0.05的情況下,只要樣本數(shù)據(jù)出現(xiàn)的甲種誤差p0.05,都表示統(tǒng)計(jì)檢驗(yàn)結(jié)果接受對立假設(shè)。這樣的話,上述約有5%的樣本實(shí)際支持對立假設(shè),卻被抹殺。這些樣本可講遭到冤枉的待遇。甲種誤差越大,受冤枉的樣本就越多。為了減少這種冤枉良民的情況,能夠?qū)@著度選得很小,例如a=0.001,只容許一千個(gè)樣本出現(xiàn)一次冤情,這種情況下被拒絕的對立假設(shè)應(yīng)是口服心服了,但這樣又可能引起另一種推論誤差,乙種(II類)誤差。甲種誤差是對立假設(shè)正確,研究人員最后拒絕。而乙種誤差即馕蟛?,則是研究人員接受了實(shí)際為錯(cuò)誤的對立假設(shè)。如將顯著度a選定為0.001,要求很高,一千次才會出現(xiàn)一次冤情,但易將異類樣本視為同類。以上述例子來講,甲種誤差減少后,要求樣本與總體的平均值之間,具有更大的差異幅度。例如,在a=0.05的情況下,樣本與總體的平均值之間的差異值為13,已表示清楚差異具有統(tǒng)計(jì)顯著性。如為了減少甲種誤差,選擇更小的顯著度a=0.001,這時(shí),樣本與總體的平均值的差異幅度須增加到20(a=13/Z=13/1.96=6.6,6.6x3.05=20),這樣才能使樣本落到+3.05a范圍之外的概率小于或等于0.001。設(shè)實(shí)際的兩者差異值為15,盡管此差異值在a=0.05條件下,已足以屬于顯著差異,但按a=0.001的要求,仍然以為是隨機(jī)誤差,并接受對立假設(shè),這就是接受了實(shí)際為錯(cuò)誤的對立假設(shè)。若把甲種誤差比喻為冤枉良民,乙種誤差則是壞人漏網(wǎng),本來具有統(tǒng)計(jì)顯著性差異,卻仍接受對立假設(shè),把明明是異類的樣本,卻誤判成同類樣本。假設(shè)檢驗(yàn)時(shí),拒絕對立假設(shè),可能產(chǎn)生甲種誤差,而接受一項(xiàng)對立假設(shè)，可能產(chǎn)生乙種誤差。檢驗(yàn)的對象是對立假設(shè),起關(guān)鍵作用的能否決的樣本,即拒絕對立假設(shè)的樣本,所以,假設(shè)檢驗(yàn)經(jīng)過中,通常注重甲種誤差的控制，選擇合理的顯著度a。要權(quán)衡甲種誤差和乙種誤差才能合理選擇顯著度a值。好在已有a合理值的約定,一般社會科學(xué)研究中,顯著度a取值為0.050.01或0.001。研究論文也經(jīng)常選用這幾個(gè)a值。當(dāng)然,這并非是不可改變的標(biāo)準(zhǔn)，研究者要根據(jù)研究目的和風(fēng)險(xiǎn)性質(zhì)而定，例如在醫(yī)藥研發(fā)中,研究新藥或處方的療效,事關(guān)人身安全,要求非常嚴(yán)格,容許的甲種誤差要很小。設(shè)檢驗(yàn)的對立假設(shè)為新藥X不安全,便要嚴(yán)加控制不安全的樣本,a值獲得很小，如0.001,表示一千個(gè)樣本中只要有一個(gè)樣本為真,就不能拒絕此對立假設(shè),否則，便可能有人服用不安全的藥物。而有些對立假設(shè),如餐館提醒會減少已預(yù)訂而不來的顧客,a誤差可選擇較低水平如0.10,拒絕10%的事件實(shí)際為真的對立假設(shè),后果并不嚴(yán)重。3.統(tǒng)計(jì)顯著性檢驗(yàn)的類型不同的數(shù)據(jù)集合都有相應(yīng)的顯著性檢驗(yàn)方式方法。顯著性檢驗(yàn)一般可分為參數(shù)檢驗(yàn)和非參數(shù)檢驗(yàn)兩類。參數(shù)檢驗(yàn)運(yùn)用得較多,適用于定距和定比尺度的數(shù)據(jù),非參數(shù)檢驗(yàn)則適用于定類和定序尺度的數(shù)據(jù)。參數(shù)檢驗(yàn)的觀察值必須獨(dú)立,即觀察值的出現(xiàn)不受抽樣前后觀察值的影響;同時(shí)，觀察值須來自正態(tài)分布的總體,或至少知道分布形式。獨(dú)立性條件可通過散點(diǎn)圖及一些統(tǒng)計(jì)方式方法去檢查。數(shù)據(jù)能否呈正態(tài)分布,可用概率分布圖和專門的統(tǒng)計(jì)方式方法加以判定,管理研究碰到的變量,其數(shù)據(jù)分布一般都符合正態(tài)分布，能知足這個(gè)條件。非參數(shù)檢驗(yàn)不強(qiáng)調(diào)總體的分布情況,但須符合觀察值獨(dú)立性的要求。其最大特點(diǎn)是,能處理定類和定序尺度的數(shù)據(jù)。選用顯著性檢驗(yàn)方