*接續上一篇統計學概念文章↓
[教育統計學小品]樣本與母群、機率的概念_第三章〈推論統計的重要概念〉
**教育統計書籍&補充資料俗俗買：盡在蝦皮商城網購連結**
虛無假設為考驗對象，實驗者實驗或收集資料以推翻H0，拒絕H0接受H1。
統計考驗不是正面證據證明理論為真，而是反面證據否證
*假設考驗的核心精神：
迂迴的思考方式是假設考驗的核心邏輯，推論的方法就像「負負得正」觀念
採取迂迴的邏輯，決定是否具有某種效果使用方法，檢驗沒有效果的可能性有多低。
拒絕相反預測，能接受原本預測。若無法拒絕相反預測，則不能接受原本預測
*假設考驗的過程：
一、以母群為對象，使用研究假設與虛無假設重新陳述研究問題
(一)母群：
(二)研究假設：
研究者根據他觀察和理論對問題做邏輯猜測，也稱科學假設
(三)統計研究
用數量或統計學用詞的陳述句加以表達，對未知母數性質做陳述
例：
對立研究(Ha or H1) ： μ1＜ μ2
虛無研究(Hn or H0) ： μ1≧ μ2
※進行假設考驗時，將焦點放在虛無假設，以決定對立假設是否成立
二、決定比較分配的特性
虛無假設為真的時，樣本所代表的母群，母群的分配形狀通常均是常態分配。
虛無假設是真的時，其分配稱為比較分配(comparation distribution)，又稱統計模式(statistical model)。
研究者將決定樣本分數在比較分配的位置，以決定拒絕獲得樣本分數的時機。
三、決定比較分配的決斷值，以決定拒絕虛無假設時機
樣本的所得到的分數非常極端，此極端分數稱為樣本的決定值(cutoff sample score) ，簡稱決斷值，或稱為臨界值(critical value) 。
常用的決斷值，其發生的機率是小於5%，即是獲得如此極端的樣本分數小於5%，通常寫成p<.05。
有些研究者更為小心，將決定分數的發生機率定於1%，即是p<.01。 5%或1%稱為典型的顯著水準(conventional levels of significance) ；
當樣本分數如此極端時，研究者便拒絕虛無假設時，研究結果就達到統計的顯著性(statistically significant) 。
四、決定樣本分數在比較分配的數值
研究者必需根據比較分配的平均數與標準差，計算樣本分數的Z分數，以瞭解樣本分數在比較分配的位置。
五、比較step3三與step4所獲得的數值，以決定是否 拒絕虛無假設
*拒絕虛無假設與無法拒絕虛無假設的啟示
拒絕虛無假設時：
僅能說「研究假設獲得相當程度的支持」。無法使用「研究假設獲得證實」或「研究結果顯示研究假設是真的」等強烈的陳述
無法拒絕虛無假設時：
不使用「虛無假設獲得支持」，意謂著研究結果沒有定論，太小無法偵側。兩個母群可能仍有差異，只是差異太小無法測出~研究結果沒有定論
*單側與雙側假設考驗
沒有方向性的假設與雙側考驗(two-tailed test)
有時研究假設是兩個母群平均數有所不同，並未言明不同的方向。
以5%為顯著性水準，單側考驗的拒絕為前(墊底)的5%，雙側考驗的拒絕為前2.5% or 墊底的2.5%(2.5%+2.5%=5%)
當比較分配呈常態分配，顯著水準為5%，使用雙側考驗，其Z分數等於+1.96和-1.96；單側考驗時， Z分數為+1.64或-1.64
使用1%的顯著水準，其雙側考驗，其Z分數等於+2.58和-2.58；單側考驗時，Z分數等於+2.33或-2.33
單側考驗比雙側考驗更容易拒絕虛無假設，即研究假設可獲得某種程度的支持。然單側考驗是必須付出代價的，若樣本分數很極端的，其極端的方向與預測的不同，此時不管結果是如何極端，都無去達到統計上的顯著
有清楚方向性進行單側考驗，無清楚方向性進行雙側考驗
多數研究為雙側考驗
*今天的文章[教育統計學小品]就到這裡囉，我們下次見~掰掰~~
謝謝您閱讀到這裡，大家一起在統計學這科加油吧😆!
若是本篇文章對您有幫助，歡迎您分享給其他好友，或是點閱其他本站更多文章↓↓
*參考資料：
林清山(2014)。心理與教育統計學。臺北市：東華書局。
黃瓊容、蘇文賢與江吟梓(譯)(2009)。心理與教育統計學(第三版)。臺北市：學富文化。
**教育統計書籍&補充資料俗俗買：盡在蝦皮商城網購連結**
*接續下一篇統計學概念文章：
[教育統計學小品]平均數次數分配_第五章〈樣本平均數的假設考驗〉
其他本站更多文章↓↓
留言列表
SDGs專區 (5)