SAS - Testowanie hipotez

Testowanie hipotez polega na wykorzystaniu statystyki do określenia prawdopodobieństwa, że ​​dana hipoteza jest prawdziwa. Zwykły proces testowania hipotez składa się z czterech kroków, jak pokazano poniżej.

Krok 1

Sformułuj hipotezę zerową H0 (powszechnie, że obserwacje są wynikiem czystego przypadku) i hipotezę alternatywną H1 (zwykle obserwacje wykazują rzeczywisty efekt w połączeniu ze składową przypadkowej zmienności).

Krok 2

Zidentyfikuj statystykę testową, której można użyć do oceny prawdziwości hipotezy zerowej.

Krok 3

Oblicz wartość P, która jest prawdopodobieństwem, że statystyka testowa co najmniej tak istotna jak ta zaobserwowana została uzyskana przy założeniu, że hipoteza zerowa byłaby prawdziwa. Im mniejsza wartość P, tym silniejszy dowód przeciwko hipotezie zerowej.

Krok 4

Porównaj wartość p z akceptowalną wartością istotności alfa (czasami nazywaną wartością alfa). Jeśli p <= alfa, to obserwowany efekt jest statystycznie istotny, hipoteza zerowa jest wykluczona, a hipoteza alternatywna jest ważna.

Język programowania SAS ma funkcje umożliwiające przeprowadzanie różnego rodzaju testów hipotez, jak pokazano poniżej.

Test	Opis	SAS PROC
T-Test	Test t-Studenta służy do badania, czy średnia jednej zmiennej istotnie różni się od wartości hipotetycznej, a także określa, czy średnie dla dwóch niezależnych grup istotnie się różnią oraz czy średnie dla grup zależnych lub par są znacząco różne.	PROC TTEST
ANOVA	Służy również do porównywania średnich, gdy istnieje jedna niezależna zmienna kategorialna. Chcemy użyć jednokierunkowej ANOVA podczas testowania, aby sprawdzić, czy średnie zmiennej zależnej od przedziału są różne w zależności od niezależnej zmiennej kategorialnej.	PROC ANOVA
Chi-Square	Używamy dobroci dopasowania chi-kwadrat, aby ocenić, czy częstości zmiennej kategorialnej prawdopodobnie wystąpią z powodu przypadku. Zastosowanie testu chi-kwadrat jest konieczne, aby sprawdzić, czy proporcje zmiennej kategorialnej są wartością hipotetyczną.	PROC FREQ
Linear Regression	Prosta regresja liniowa jest używana, gdy chce się sprawdzić, jak dobrze zmienna przewiduje inną zmienną. Wielokrotna regresja liniowa pozwala sprawdzić, jak dobrze wiele zmiennych przewiduje zmienną będącą przedmiotem zainteresowania. Korzystając z wielokrotnej regresji liniowej, dodatkowo zakładamy, że zmienne predykcyjne są niezależne.	PROC REG