假設檢定矛盾結果解釋親愛的 JMP 社群：
我試圖找出以下在 0.05 顯著水準下完成的 2 個假設系統之間的矛盾。
看看第一個假設系統
2面測試
Ho: Mu=0 , H1: Mu 不等於 0, P(值) = 0.0705
統計結論：未能拒絕Ho，因此Mu=0
然而，如果我們看看第三個系統
下側測試
Ho: Mu >= 0 , H1:Mu < 0。
統計結論：接受 H1，因此 Mu < 0。
在這種情況下，這兩個假設系統之間存在矛盾的統計結論。
2 邊測試顯示 Mu=0
下側測試顯示 Mu <0
我們如何解釋這一點？
感謝您就此事提出建議。
兄弟，
克里斯
進階統計建模回覆：假設檢定矛盾結果解釋因此，為了澄清起見，1-0.9648=0.0352 和 0.0352*2=0.0704（JMP 中的值不像此處那樣四捨五入）
一面測試
小於t的機率是多少，很小。 （深藍色區域）
大於t的機率是多少，而且相當大。 （深藍色區域右側的所有區域）
雙面測試
t 位於 95% 信賴區間內的機率是多少，非常小 (0.07)（在圖中的空白區域）
用通用語言（不完美的統計語言）來說，它是這樣的：
如果我說 -1.2667 與 0 不同，我錯的機率是多少？機率>|t|
如果我說 -1.2667 大於 0，我錯的機率是多少？機率>t
如果我說 -1.2667 小於 0，我錯的機率是多少？機率<>
也許更精通特定統計語言的人可以為此添加 null ？ （雙關語）
回覆：假設檢定矛盾結果解釋你表現出了一種根本性的誤解——這種誤解導致許多人（有時包括我自己）呼籲結束零假設顯著性檢定（NHST）。您永遠不應該以二進制方式解釋測試。您所報告的內容對於二元思維來說是正確的：在雙邊檢定中，原假設未被拒絕，而在單邊檢定中，原假設被拒絕（其中 p 值恰好是雙邊檢定 p 值的一半）測試）。透過二元思維，您不會拒絕兩側測試的零值，但會拒絕一側測試的零值。但兩次測試的證據完全相同。改變的是你犯第一類錯誤的意願。
您應該得出的結論是，在任一方向上獲得至少遠離零 1.2667 個標準誤差的均值的機率約為 7%，並且在以下情況中獲得至少遠離零 -1.2667 的均值的機率約為 7%。約為3.5%。如果您堅持使用 0.05 作為二進位截止值，那麼您會得出不同的結論。雖然這可能會讓您感到困惑，但這只是反映了使用 p 值的糟糕方法。當你無法拒絕零時，你永遠不應該說它是真的。你沒有足夠的證據來拒絕它。由於單方面測試的要求較低（因為您只關心證據是否足夠低，可以放心地說在這種情況下小於零），因此使用二進制截止值 0.05 就有足夠的證據。
我認為應該放棄使用這種二元截止 p 值。我確實發現 p 值有用，但不是這樣。它們確實表明了數據提供的相對於特定模型的證據強度，但 p 值本身永遠不應該告訴您該證據是否足夠強大以拒絕模型。在您的情況下，雙邊測試和單邊測試是不同的模型，因此如果您應用相同的二元截止值，證據的充分性會發生變化。但我想補充一點：那個二進制截止值從哪裡來？ （不幸的是，答案通常是來自介紹性統計文本，而且已經不再有用）。
回覆：假設檢定矛盾結果解釋你好@ChrisLooi ：本著@dlehman1評論的精神，置信區間可能是理解這一點的更好方法。當然，p 值和置信區間源自相同的原理，並且它們之間存在一一對應關係……但讓我們先將其放在一邊。
為了我們的目的，我們假設 alpha=0.05。
1. 如果 Mu 的95% 信賴區間不包含 0，您將拒絕 [Ho: Mu=0]，而支援 [H1: Mu 不等於 0]。
2. 如果 Mu 的95% 上限小於 0，您將拒絕 [Ho: Mu >= 0]，而支援 [H1:Mu < 0]。
1 中信賴區間的上限大於 2 中信賴區間的上限（因為 1 位於上尾部的機率小於 2）。因此，雙面測試可能會被拒絕，而單面測試則不會。
