显着性水平

本文解释了统计学中的显着性水平。因此，您将找到显着性水平的含义、最常见的显着性水平的表格以及显着性水平与其他统计概念的关系。

重要性程度如何？

显着性水平是总体中统计参数的估计值位于置信区间之外的概率。换句话说，显着性水平是拒绝实际正确的假设的概率。

在统计学中，显着性水平用希腊符号α（alpha）表示。这就是为什么它也被称为阿尔法水平。

例如，如果显着性水平为 α=0.05，这意味着当假设为真时拒绝该假设的概率为 5%。换句话说，估计统计参数并且错误且误差大于误差幅度的概率为 5%。

因此，显着性水平标记了确定结果是否具有统计显着性的边界，使得如果p值小于显着性水平，则结果被认为具有统计显着性。下面我们将看到显着性水平和 p 值之间的关系。

显着性水平表

了解显着性水平的定义后，下面列出了包含最常见显着性水平值的表格。

该表对于计算置信区间的限制非常有用。

正如您在表中所看到的，增加置信水平会降低显着性水平，从而降低接受假设时出错的风险，另一方面，降低统计参数估计的精度。 。一般情况下，通常使用5%的显着性水平（α=0.05）。

0% 和 100% 的显着性水平

显着性水平值的范围可以从 0% (α=0.00) 到 100% (α=1)。然而，这两个极值永远不应该出现在统计数据中，因为它们是两个不真实的值，我们将在下面看到原因。

显着性水平为 0%意味着所接受的假设的真实性毫无疑问。然而，除非对整个群体进行了分析，否则统计中不存在 0% 的显着性水平，即使如此，也不能完全确定没有发生错误或偏差。调查期间产生。

相反， 100% 的显着性水平意味着被拒绝的假设无疑是正确的。但是，从逻辑上讲，如果某些结果的显着性水平为 100%，则它们永远不会被发表，因为在重复统计研究之前无法确定结果的准确性。

显着性水平和置信度

统计学中必须明确的两个密切相关的概念是显着性水平和置信水平。这就是为什么在本节中我们将了解显着性水平和置信度水平之间的区别。

显着性水平和置信水平之间的差异是它们定义的概率。置信水平是接受假设并且该假设实际上为真的概率，而显着性水平是拒绝假设但该假设实际上为真的概率。

此外，显着性水平加上置信水平始终会产生统一。因此，如果置信区间的置信水平为 1-α，则该同一区间的显着性水平为 α。

例如，如果置信区间的置信水平为 95%，则其显着性水平为 5%。这意味着，如果我们重复统计研究 100 次，则 95 次我们将得到与真实总体相符的结果，而 5 次我们将得到错误的结果。

显着性水平和 p 值

最后，我们将了解显着性水平和 p 值之间的关系，因为它们是在假设反对中广泛使用的两个概念。

p 值也称为p 值，是一个介于 0 和 1 之间的值，表示观察到的差异是偶然造成的概率。因此，p 值表示结果的重要性，并用于确定假设是真是假。

因此，在假设检验中，如果 p 值大于显着性水平，则原假设被视为成立。另一方面，如果 p 值低于显着性水平，则拒绝原假设并认为备择假设为真。