检验效能

style

检验效能
上周的文章中探讨了假设检验的两类错误，其中涉及到检验效能这一概念，但在文中并没有展开作详细的讨论，于是今天针对上次的假设检验中的两类错误一文中提到的检验效能给大家作一个详细的介绍。
通过假设检验，如果得到P≤α，则拒绝H0，接受H1，这种情况下将可能犯I类错误，如果得到P＞α，则不拒绝H0，这种情况下将可能犯II类错误。H1是正确的，假设检验不拒绝不正确的H0，即犯了II类错误，其概率大小可记为β。故1-β就是对实际正确的H1做出接受结论的概率，即检验效能，是两个总体确实有差别时，按检验水准α，假设检验能发现其差别（拒绝H0）的能力。国内学者也称它为把握度，即假设检验对实际正确的H1做出接受结论的把握程度。
当样本量较少时，即使两样本均数或两样本率相差很大，而且有较好的临床价值，如试验药不仅起效快，而且有效率比对照药提高许多（如15%），也可能获得较大的P值（即差异无统计学意义）。对于两个样本有效率相差如此之大，经假设检验后为什么会得出不拒绝H0的结论呢？原来这与检验效能的影响因素有关，影响检验效能的影响因素有4个，下面以两样本均数的比较为例说明。
（1）总体参数间差异越大，检验效能越大。
例如总体的均值差异越大，越有可能在抽样中获得较大差别的两样本均数差值。在其他条件相同的情况下，总体的均值差异越大，从概率论的意义上讲，两样本均数差值也越大，样本统计量t越大，越有可能拒绝H0得到两总体间有差别的结论。
（2）个体差异（标准差）越小，检验效能越大。
若比较的两个总体内的个体差异越小，即总体标准差越小，从概率的意义上来讲，两样本的标准差越小，两样本均数之差的标准误越小。样本统计量t越大，越有可能拒绝H0得到两总体间有差别的结论。
（3）样本含量越大，检验效能越大。
在两均数比较的t检验中，两样本的样本量与两样本均数之差的标准误呈反比。在其他条件相同的情况下，样本量越大，两样本均数之差的标准误越小，样本统计量t越大，越有可能拒绝H0得到两总体间有差别的结论。
（4）检验水准α（犯I类错误的概率）定得越大，检验效能越大。
α=0.05时的检验效能大于α=0.01的检验效能。因为α定得越大，t检验的检验界值越小，假设检验越容易拒绝H0。
在以上影响检验效能的4个因素中，总体参数（均值）的差异、总体标准差、检验水准通常是相对固定的，可以人为调整的因素主要是样本量，所以如果检验效能不够大，一个较好的增大检验效能的方法就是增加样本量。
Ocean
2016-07-31


如果您觉得本文不错，欢迎分享转发到朋友圈，谢绝任何形式的转载~
欢迎您邀请朋友关注微信号“统计211网( ID: tj211_com)”！

还可以扫一扫二维码关注我们哦~~
二维码.png.thumb.jpg (26.78 KB, 下载次数: 0)

2016-8-4 08:45 上传

点击文件名下载附件