← 返回统计与数据判断力
学习进度第 4 / 8 个

显著性水平

Significance level · ST9 假设检验与 p 值(Hypothesis Testing and p-values)

一句话定义

显著性水平是检验前设定的拒绝零假设阈值,常用 alpha 表示。

机制 / 原理

显著性水平把连续的证据强弱变成一个决策规则:p 值小于 alpha,就拒绝零假设;否则证据不足以拒绝。alpha 越小,误报门槛越严,但也可能更容易漏掉真实效应。它应当在看数据前设定,并根据错误代价选择。

显著性水平:事前定规则不拒绝零假设拒绝alpha = 0.05p=0.06 和 p=0.04 很近,阈值是决策规则显著性水平是拒绝零假设的阈值,不是自然界的魔法线。
显著性水平是拒绝零假设的阈值,不是自然界的魔法线。

经典实验 / 例子

许多入门教材使用 alpha=0.05,意思是如果零假设为真,长期大约允许 5% 的误拒绝风险。医学安全问题可能需要更严格阈值,探索性分析可能使用不同策略。

生活中的例子

如果你提前规定“投诉率超过某个统计阈值才认为新版有问题”,这就是决策规则;不能看到结果后再调阈值让结论更好看。

常见误区

常见误区是把 0.05 当成自然界的分界线。0.049 和 0.051 证据很接近,阈值只是事前规则。

资料来源:OpenIntro Statistics; CMU OLI Statistical Reasoning; Online Statistics Education; OpenStax Introductory Statistics 2e,课程内容为原创改写 · 第 ST9 节
本讲解由 AI 依据该教材与主流学术观点撰写,非逐字引用,仅供学习参考。