目录
一、为什么要使用假设性检验？
假设检验是一个工具，能够穿越复杂的现象，得到一个靠谱的结论。
比如去医院检查身体，医生会先假设这个人没有病，然后通过一系列检查，看看能不能找到患者的症状。
二、假设检验基础原理与使用条件
1、概率分布是假设检验的基础：对于很多复杂的随机事件，需要把随机事件的概率分布图拿出来，并根据在图中位置确定P值的大小。只有这样，才能和显著性水平比较，才能判断H0能不能被推翻。假设检验是基于概率的反证法，而要用概率的反证法，就要用到概率分布。
2、假设检验的原理：是如果能够证明一个结论发生的概率特别小，我们就可以推翻这个结论，接受和它相反的结论，这个推论的过程就叫“假设检验”。
3、适用条件：
1）独立性：各观察值间相互独立，不能相互影响
2）正态性：理论上要求样本取自正态总体
3）方差齐性：两样本所对应的总体方差相等
三、怎么使用？
3.1 假设检验的步骤
1、H0(零假设)和H1（备择假设）
这是一对假设，只要互相对立就行，一般情况H0是会被拒绝的假设。
2、计算P值
就是在H0这个假设下，当前现象以及更加极端现象出现的概率。如果P值特别大，我们就不能推翻H0这个假设，更不能去相信H1；而如果P值特别小，就可以认为H0几乎不可能发生，转而去相信H1。
p值得计算中，有单侧和双侧两种
双侧检验：不知道样本所在总体和假定总体的相应指标谁高谁低。得到拒绝结论更困难，因此相应的结果也更稳妥。
单侧检验：在专业上可知所在总体的相应指标不可能更高/更低于假定总体值。
3、确认显著性水平
就是是否推翻H0的边界，一般使用5%，即只要P值小于5%，就推翻H0,相信H1;如果P值大于5%,就没有办法推翻H0。
3.2 常见的统计量
1、z统计量：
2、t 统计量
3、卡方统计量
4、F统计量
四、假设检验中存在的两类错误&需要注意的问题
3.1 假设检验中的两类错误
第一类错误：指在原假设成立的情况下错误低拒绝了原假设；
第二类错误：和第一类错误相反，指没有成功拒绝不成立的原假设。
在假设检验中，如何平衡两类错误。在假设检验的过程中，通常会预先设定犯第一类错误的上限，也就是定义显著性水平 ，1-
被称为置信度
一般设定为5%。在显著性水平固定的情况下，认为设定，需要减少第二类错误
发生的概率，1-
对应与规避第二类错误的概率，用power表示，也称为检验效能，power 的大小可以通过增加样本量来提高，通常需要power达到80%或者更好的水平。
3.2 假设检验中需要注意的问题
1、忽略小概率事件，假设检验要用个别推导全部，就一定会忽略一些极端的小概率情况，但是小概率事件，不代表一定不会发生。
2、系统性偏差。因为P值可以影响我们最终的结论，而选择不同的样本就会得到不同的P值。只要不断改变样本，就能不断改变P值，最终总能找到一个非常小的P值，也就能推翻原假设，得到一个自己想要的结论。【例子：著名的邮件骗局】
3、显著性水平设置不好会导致错误。显著性水平是约定俗称的，不同的领域，需要选择不同的标准。
4、用错分布导致错误结论。
六、案例（t检验）
6.1 单样本t检验
实例：ccss项目基期的信心数据被设定为100，但这是全部城市的平均水平，请考察基期时广州信心指数均值是否和基准值有差异。
可以使用的方式：scipy、statsmodels 。
6.1.1 scipy 方法实现
import pandas as pd
ccss = pd.read_excel("CCSS_sample.xlsx", sheet_name = 'CCSS')数据样式：
使用scipy.stat包可以实现各种常见的检验方法，但并未配备详细选项，例如不能指定检验的单双侧。
#scipy 中相关参数
scipy.stats.ttest_1samp(
a：类list格式的样本数值
popmean：H0所对应的总体均数
)ccss.query("s0 == '广州' & time == '2022704'") #数据查询
ccss.query("s0 == '广州' & time == '2022704'").index1.describe #数据描述
ccss.query("s0 == '广州' & time == '2022704'").index1.hist #数据直方图
直方图用于展示数据的形态，以上图形大致符合正态分布。
# t检验
from scipy import stats as ss #导入对应的包
ss.ttest_1samp(ccss.query("s0 == '广州' & time == '200704'").index1, 100) #t检验
#输出结果 Ttest_1sampResult(statistic=-1.3625667518512996, pvalue=0.17611075148299993)
#statistic：统计量值，pvalue：p值 6.1.2 statsmodels 方法实现
该方法中数据为DescrStatsW，DescrStatsW类中的confint_mean可以计算可信区间，ttest_mean则可直接实现单样本t检验。
# statsmodels中tconfint_mean相关参数
#计算均值的可信区间
DescrStatsW.tconfint_mean(
alpha = 0.05 #显著性水平
alternative = 'two-sided' #选择是双侧检验还是还是单侧检验
)
#进行单样本t检验
DescrStatsW.ttest_mean(
value = 0 #H0所对应的总体均数
alternative = 'two-sided' | 'larger' | 'smaller'
)# 使用得第二种方法 statsmodels 这种方法可以计算可信区间，也可以实现单样本的t检验
from statsmodels.stats import weightstats as ws
test_samp_data = ccss.query("s0 == '广州' & time == 200704").index1 #样本数据
des = ws.DescrStatsW(test_samp_data) #使用该检验数据必须是DescrStatsW类
des.tconfint_mean() #计算可信区间，默认95% 对应的参数 alpha = 0.05 alternative = 'two-sided'
#输出结果 (93.03590418536487, 101.29354984884586)
des.ttest_mean(100) #默认是双侧
#输出结果 (-1.3625667518512996, 0.17611075148299993, 99.0) 分别为t值、p值、自由度
des.ttest_mean(100,'smaller') #单侧检验
#输出结果 (-1.3625667518512996, 0.08805537574149996, 99.0) t值和双侧检验相同，p值是双侧检验的一半
6.2 两样本t检验
案例：研究不同婚姻状况的信心指数均值可能存在差异。
两样本的t检验需要检验样本的方差齐性检验。
同样可以使用scipy和statsmodels两种方式 。
6.2.1 scipy 方法实现
#进行两样本t检验
scipy.stats.ttest_ind(
a,b：类数据格式的两组数值
equal_var = true #两组方差是否齐同，方差不齐时给出welch's t检验结果
nan_policy = propagate #缺失值的处理方式
propagate #返回nan
raise #是否抛出错误
omit #忽略nan
)方差齐性检验
#常用的方差齐性检验
scipy.stats.bartlett() #bartlett 方差齐性检验
scipy.stats.levene() #levene 方差齐性检验，该结果针对非正泰总体稳健，相对更加常用
#案例中使用
ss.levene(ccss.index1[ccss.s7 == "未婚"],ccss.index1[ccss.s7 == '已婚'])
#输出结果 LeveneResult(statistic=0.6178737960192996, pvalue=0.43200314605212653)
# H0是两个样本具有一样的方差，p值大于0.05接受原假设 即两个样本方差齐
进行样本t检验
#进行样本t检验
ss.ttest_ind(ccss.index1[ccss.s7 == "未婚"],ccss.index1[ccss.s7 == "已婚"])
#输出结果 Ttest_indResult(statistic=2.405261376009453, pvalue=0.016320721789339597)
#Ho两个样本均值一致不具有差异性 p值小于0.05拒绝原假设，即两个样本均值存在差异
#如果在上面的方差检验中，方差不是齐性的，则需要在t检验中进行参数设置
ss.ttest_ind(ccss.index1[ccss.s7 == '未婚'],ccss.index1[ccss.s7 == '已婚'],equal_var= False)6.2.2 statsmodels 方法实现
statsmodels可以实现t检验的所有功能，但是无法完成方差齐性检验。
statsmodels.stats.weightstats.CompareMeans(d1, d2)
# d1, d2均为DescrStatsW对象，如果只有d1为DescrStatsW对象，也可以使用d1.get_compare(other)直接转换
CompareMeans.ttest_ind(
alternative = 'two-sided' : 'larger' | 'smaller'
usevar='pooled' : 'pooled' or 'unequal'，方差是否齐同
value = 0 : H0假设所对应的均数差值
)
#两样本的statsmodels实现
d1 = ws.DescrStatsW(ccss.index1[ccss.s7 == '未婚'])
d2 = ws.DescrStatsW(ccss.index[ccss.s7 == '已婚'])
comp = ws.CompareMeans(d1,d2)
comp.ttest_ind()
#输出结果 (-26.42469575169767, 3.1575849989673495e-120, 1131.0) 统计量 p值 自由度
6.3 配对t检验
案例：为保证数据质量，接受过ccss访问的受访家庭半年内不会在进行访问，单半年后会进行抽样回访。现通过回访采集了88个有效样本，希望比较这些样本的信心值是否发生变化。
进行配对p检验时需要使用相关分析进行相关性检验。
ccss_p = pd.read_excel("CCSS_sample.xlsx", sheet_name = 'CCSS_pair') #导入数据
ccss_p.loc[:, ['index1', 'index1n']].describe()
ss.pearsonr(ccss_p.index1, ccss_p.index1n) #相关性检验
ss.ttest_1samp(ccss_p.index1 - ccss_p.index1n, 0) #检验版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。