什么水平的α决定了统计显着性？-教育资源网

并非所有假设检验的结果都是相等的。假设检验或统计显着性检验通常具有与其相关的显着性水平。这种重要程度通常用希腊字母alpha表示。统计类中出现的一个问题是，“我们的假设检验应使用alpha的值是多少？”

与统计中的许多其他问题一样，这个问题的答案是“这取决于情况”。我们将探讨我们的意思。不同学科的许多期刊都定义了统计学上显着的结果是α等于0.05或5%的结果。但需要注意的主要一点是，并没有一个通用的alpha值应该用于所有的统计测试。

常用值显着性水平

由alpha表示的数字是一个概率，所以它可以取小于1的任何非负实数的值。虽然理论上0到1之间的任何数字都可以用于alpha，但在统计实践中却不是这样。在所有显着性水平中，0.10,0.05和0.01的值是最常用于α的值。正如我们将要看到的，除了最常用的数字之外，可能有理由使用alpha值。

显着性水平和I型错误

针对alpha的“一刀切”值的一个考虑因素与该数字的概率有关。假设检验的显着性水平完全等于I型错误的概率。I型错误包括当零假设实际为真时错误地拒绝零假设。alpha的值越小，我们拒绝真正的零假设的可能性就越小。

有不同的情况下，更容易接受I型错误。α值越大，甚至大于0.10当较小的α值导致不太理想的结果时可能是合适的。

在疾病的医学筛查中，考虑一种测试的可能性，该测试错误地测试疾病的阳性，而一种测试错误地测试疾病的阴性。假阳性会导致我们的患者焦虑，但会导致其他测试，以确定我们的测试判决确实不正确。假阴性会给我们的病人错误的假设，即他实际上没有疾病。结果是该疾病将不会得到治疗。考虑到这个选择，我们宁愿有条件导致假阳性而不是假阴性。

在这种情况下，如果α导致较低的假阴性可能性的权衡，我们很乐意接受更大的α值。