常用的統計檢定

統計檢定的目的，是要協助你從資料中去判定一件事情的狀況是或不是這樣。由於統計檢定的基本原理，是利用下面的這種邏輯來判定事情的狀況：數字實在是差得太遠，以致於這個狀況成立的可能性實在是太低了 (就是我們所說的「有顯著的...」)。在這個陳述中所謂的「狀況」，就是虛無假設。因此，對於研究人員來說，其實虛無假設就是想要否定掉的那種可能性。相對地，虛無假設的對立狀態，就是對立假設。虛無假設與對立假設兩個要周延互斥，也就是說，所有的情形如果不是符合虛無假設，就是要符合對立假設，不可以有例外。其中要特別注意一點，統計檢定的結果只有「拒絕」虛無假設以及「不拒絕」虛無假設，沒有「接受」虛無假設這種說法。有些時候會有人把「不拒絕」當作「接受」，其實這是不正確的使用方式。

以下介紹幾種社會科學常用的統計檢定：

1.卡方檢定：主要解答的問題是從樣本或母體觀察而得的次數資料和理論上的是否有顯著的差異。通常依資料的特性與分析目的之不同，可分為適合度檢定以及獨立性(是否相關)檢定。

2.T檢定：與Z檢定相同，必需假設所考慮之變項為常態分配。一般研究設計，常以樣本平均數對母群體中某數值做假設檢定(單一獨立樣本檢定)，或是以實驗組與對照組兩母群體樣本的樣本平均數做假設檢定(兩獨立樣本檢定)；並藉由 t 值換算與對照「t分佈表」，以判定統計量差異是否顯著(落在拒絕區域，p≦α)。為比較兩樣本平均數差異之顯著性的典型檢定法。

3.Z檢定：假設所考慮之變項為常態分配，或者為大樣本。然後以計算所得的Z值來檢定是否拒絕虛無假設。

4.F檢定(ANOVA)：簡單來說，F檢定用來檢定兩個樣本的變異數(Variance)是否相同。為迴歸模型之中常用來檢定迴歸關係的檢定法。