假設檢定（Hypothesis Testing）

假設檢定是什麼？

假設檢定是一種統計決策方法，用於驗證關於母體參數的假設是否合理。它通過分析樣本數據，評估觀察到的結果是否與假設相符，並根據統計顯著性做出判斷。簡單來說，就是提出一個猜想，然後用數據來驗證這個猜想是否靠譜。例如，我們猜測某產品的平均銷售額超過 100 萬元，就可以透過假設檢定來驗證這個猜測。

假設檢定的核心原理

假設檢定的核心原理包含以下幾個步驟：

1. 提出虛無假設（Null Hypothesis, H0）和對立假設（Alternative Hypothesis, H1）：虛無假設通常是我們想要推翻的假設，例如「產品的平均銷售額等於100萬元」。對立假設則是我們希望證明的假設，例如「產品的平均銷售額大於100萬元」。

2. 選擇顯著水準（Significance Level, α）：顯著水準代表我們願意接受錯誤拒絕虛無假設的機率，通常設定為 0.05 或 0.01。也就是說，我們允許有 5% 或 1% 的機率犯錯。

3. 選擇適當的檢定統計量：根據數據類型和假設，選擇合適的檢定統計量，例如 t 統計量、z 統計量、卡方統計量等。

4. 計算p值（p-value）：p值是在虛無假設成立的前提下，觀察到目前樣本數據或更極端數據的機率。

5. 做出決策：如果 p 值小於顯著水準（p < α），則拒絕虛無假設，接受對立假設；反之，如果 p 值大於顯著水準（p > α），則不拒絕虛無假設。

以下圖示簡單說明：

graph LR
    A[提出虛無假設 H0 和對立假設 H1] --> B(選擇顯著水準 α);
    B --> C{選擇檢定統計量};
    C --> D[計算 p 值];
    D -- p < α --> E[拒絕 H0，接受 H1];
    D -- p > α --> F[不拒絕 H0];

假設檢定在實務中的應用

1. 醫學研究：藥廠開發一種新藥，想驗證其療效是否優於現有藥物。透過假設檢定，比較兩組病人的治療效果，判斷新藥是否具有統計顯著的優勢。例如，某研究顯示，使用新藥的患者平均康復時間為 10 天，而使用現有藥物的患者平均康復時間為 12 天，透過 t 檢定可以判斷這個差異是否顯著。

2. 市場行銷：一家公司想評估新的廣告活動是否有效提升產品銷售額。他們可以比較廣告活動前後的銷售數據，利用假設檢定判斷銷售額的增長是否具有統計意義。例如，在廣告活動推出後，產品銷售額增加了 15%，透過假設檢定可以判斷這個增長是否由廣告活動引起，而非隨機波動。

3. 品質控制：製造商需要確保產品的品質符合標準。他們可以定期抽取樣本進行檢測，利用假設檢定判斷產品的某項指標是否超出容許範圍。例如，某電子元件的電阻值要求在 100 歐姆 ± 5 歐姆之間，如果抽樣檢測發現平均電阻值為 106 歐姆，透過假設檢定可以判斷是否需要調整生產流程。

4. 金融分析：金融機構可以使用假設檢定來評估投資策略的有效性。例如，比較某投資組合的回報率與市場基準的回報率，判斷該投資組合是否優於市場平均水平。假設某投資組合在過去 5 年的平均年回報率為 12%，而市場基準的平均年回報率為 10%，透過假設檢定可以判斷該投資組合是否具有超額收益。

假設檢定在 iPAS 考試中的重點

假設檢定在 iPAS 中級科目二：大數據處理分析與應用（評鑑代號 L22103）中佔有重要地位。考試重點包括：

• 理解不同類型的假設檢定：例如 t 檢定、卡方檢定、ANOVA 等的適用條件和應用場景。
• 能夠正確設定虛無假設和對立假設。
• 能夠計算 p 值並進行結果解釋。
• 理解顯著水準的意義。
• 能夠應用假設檢定解決實際問題。

常見出題方向包括：給定一個數據集和一個研究問題，要求考生選擇合適的假設檢定方法，並進行計算和分析，最終得出結論。

常見問題

假設檢定和相近概念有何差異？

特性	假設檢定	信賴區間
目標	驗證關於母體參數的假設是否成立	估計母體參數的可能範圍
結果	拒絕或不拒絕虛無假設	提供一個數值範圍，表示母體參數可能落入的區間
應用	判斷某個效應是否存在	估計母體參數的具體數值
例子	判斷新藥是否有效	估計產品的平均銷售額

學習假設檢定最容易踩的坑是什麼？

最容易踩的坑是混淆統計顯著性與實際意義。即使一個結果在統計上顯著，也並不代表它在實際應用中具有重要意義。例如，一個新藥在統計上顯著地降低了血壓，但如果降低的幅度非常小，那麼它在臨床上的價值可能並不高。此外，另一個常見的誤解是認為不拒絕虛無假設就代表虛無假設一定正確，實際上只是表示目前沒有足夠的證據推翻它。

考試中如何快速辨認假設檢定的考題？

考試中辨認假設檢定的考題的關鍵詞包括：「顯著性」、「檢驗」、「是否有效」、「是否存在差異」等。此外，題目通常會提供一個數據集和一個研究問題，要求你判斷某個假設是否成立。答題策略是首先明確虛無假設和對立假設，然後選擇合適的檢定統計量，計算 p 值，並根據 p 值和顯著水準做出決策。要注意根據數據類型選擇合適的檢定方法，例如 t 檢定適用於比較兩組平均數，卡方檢定適用於檢驗分類變數之間的關聯性。