双样本比率检验

双样本比率检验是一种假设检验,用于比较两个独立总体中某一特征的比率,通过计算总体比率之差的置信区间来判断观察到的差异在统计上是否显著;它适用于医疗、经济和生存分析等比率、率和百分比比均值或方差更相关的领域,前提是满足独立性、随机抽样、二元结果和样本量充足这些假设。

最后审阅

核心要点

双样本比率检验是一种假设检验,用于比较两个独立总体中某一特征的比率,以判断观察到的差异是否显著。

本页内容
  1. 什么是双样本比率检验?
  2. 何时使用双样本比率检验?
  3. 正确使用双样本比率检验的指南
  4. 替代方法:何时不宜使用双样本比率检验
  5. 双样本比率检验示例
  6. 如何进行双样本比率检验

什么是双样本比率检验?

双样本比率检验是一种假设检验,用于比较两个独立总体中某一特征的比率,通过计算总体比率之差的置信区间来判断观察到的差异在统计上是否显著;它适用于医疗、经济和生存分析等比率、率和百分比比均值或方差更相关的领域,前提是满足独立性、随机抽样、二元结果和样本量充足这些假设。

何时使用双样本比率检验?

双样本比率检验用于判断两个总体在某一特征上的比率之间是否存在统计上显著的差异。

  • 比较比率:当需要比较两个独立总体或样本中某一特征的比率时。
  • 大样本:当两个样本都足够大时使用双样本比率 z 检验,一般要求每个样本中至少有 10 个成功和 10 个失败,以满足正态近似的条件。
  • 小样本:对于不满足正态近似条件的小样本,使用 Fisher 精确检验,这是一种非参数检验,无论样本量大小都能给出准确的结果。
  • 二元结果:当数据由二元结果(例如成功/失败、是/否)组成,并且需要判断比率是否存在显著差异时。
  • 随机抽样:当样本是从各自的总体中随机抽取时,以确保结果有效且具有代表性。

以下是可能使用双样本比率检验的一些情形:

  • 医学研究:假设您正在检验一种旨在降低心脏病风险的新药。可以进行双样本比率检验,比较治疗组(服用该药)与对照组(未服用该药)中患心脏病的患者比率。
  • 市场研究:假设您正在开展调查,以了解客户对某产品两个不同品牌的满意度。可以使用双样本比率检验,比较对各品牌满意的客户比率。
  • 质量控制:假设您正在检验两种不同制造过程的质量,以判断哪一种生产的不合格品更多。可以使用双样本比率检验,比较各过程生产的不合格品比率。

正确使用双样本比率检验的指南

  • 随机抽样:确保样本数据是随机抽取的,以便对总体作出有效的概括。
  • 二元数据:数据应仅包含两种类别(例如合格/不合格、1/0)。对于计数数据,请使用 2-Sample Poisson Rate 检验。
  • 观测值的独立性:每个观测值应独立于所有其他观测值。
  • 适当的样本量:确保样本量足够大,以获得精确的估计、较窄的置信区间,并对第一类错误和第二类错误提供充分的防范。

替代方法:何时不宜使用双样本比率检验

  • 如果数据集由计数组成,例如每单位缺陷数,则适合使用 2-Sample Poisson Rate 检验。

双样本比率检验示例

为评估男大学生还是女大学生更有可能获得暑期工作,某大学助学金办公室的工作人员抽取了一组学生样本。在抽样的 802 名男生中,有 725 人在暑期获得工作,而在抽样的 712 名女生中,有 573 人获得工作。该工作人员使用双比率检验来评估哪种性别更有可能获得暑期工作。步骤如下:

  1. 借助以下网址分析数据:https://statsai.zometric.com/
  2. 在工具中输入数据。将样本 1 的事件数设为 725,样本 1 的试验数设为 802,样本 2 的事件数设为 573,样本 2 的试验数设为 712,假设差值设为 0,置信水平设为 95。
  3. 使用上述工具后,得到如下输出:
Two sample proportion test — figure 1

如何进行双样本比率检验

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Graphical analysis >Two sample proportion test。
  3. 点击 Two sample proportion test,进入工具界面。
  4. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
  5. 接下来,输入事件数、试验数、假设比率和置信水平的值。
  6. 最后,点击页面底部的 calculate,即可得到所需结果。

在 双样本比率检验的工具界面中,窗口只有左侧部分。

Two sample proportion test — figure 2

左侧部分提供以下选项:

  • Number of events: 在单样本比率检验中,事件数是指所分析样本中所关注事件发生的次数。
  • Number of trials: 在单样本比率检验中,试验数是指对所分析样本进行的独立、相同的试验或观测的次数。
  • Hypothesized difference: 假设差值是指原假设与备择假设之间总体参数的差。例如,如果要检验两组(例如男性和女性)之间的平均测验分数是否存在显著差异,假设差值就是男性平均分数与女性平均分数之差。
  • Confidence level: 在假设检验中,置信水平表示我们对统计分析所具有的确定程度或置信程度。它是一个概率值,表示真实总体参数落在指定取值范围内的可能性。置信水平通常以百分数表示,记作 (1 - α),其中 α 为显著性水平,即拒绝真实原假设的概率。例如,如果置信水平为 95%,则表示我们有 95% 的把握认为真实总体参数位于我们的区间估计之内,而犯第一类错误(拒绝真实原假设)的可能性为 5%。在实际应用中,置信水平越高,意味着我们对统计分析和结果越有信心。但是,提高置信水平也会使置信区间变宽,从而更难检测到较小的效应。因此,置信水平的选择取决于研究的背景和研究人员的目标。
  • Alternative hypothesis: 在假设检验中,备择假设(也称研究假设)是代表与原假设不同结论的陈述。原假设通常代表现状,或两个或多个组或变量之间不存在显著差异或关系的假设。备择假设是被检验的陈述,它提出所研究的组或变量之间存在显著差异或关系。
  • Load example: 将加载示例数据。
  • Method:
    • Estimate the proportions separately: 要在双样本比率检验中分别估计比率,首先需要从两个独立样本收集数据,并计算每个样本中成功(或所关注事件)的比率。
    • Use the pooled estimate of the proportion: 在双样本比率检验中,合并比率估计是两个样本比率的加权平均,前提是假设总体中的真实比率相等。该估计用于计算检验统计量,并判断两个样本之间的比率差异在统计上是否显著。

常见问题

什么是双样本比率检验?

双样本比率检验是一种假设检验,用于比较两个独立总体中某一特征的比率,并判断观察到的差异在统计上是否显著。它还给出总体比率之差的置信区间。

双样本比率检验有哪些假设?

数据必须是二元的,例如合格/不合格或是/否;样本应随机抽取;每个观测值必须独立于所有其他观测值;样本量必须足够大。比率 z 检验的正态近似一般要求每个样本中至少有 10 个成功和 10 个失败。

何时应改用 Fisher 精确检验?

对于不满足正态近似条件的小样本,请使用 Fisher 精确检验,这是一种非参数检验,无论样本量大小都能给出准确的结果。双样本比率 z 检验适用于每个样本至少有 10 个成功和 10 个失败的情形。

何时应改用双样本泊松率检验?

当数据是计数(例如每单位缺陷数)而非二元结果时,请使用双样本泊松率检验。双样本比率检验仅适用于每个项目属于两种类别之一的情形,例如不合格或合格。