假設檢定(hypothesis testing)的統計原理

假設檢定是推論統計中相當重要的一環，也是其主要目的之一，絕大多數的實證研究的結論也是來自或根據假設檢定的結果。不過假設檢定的統計原理其實有點吊詭，與我們直覺上所想的有些不一樣，有時候不同學者的見解也不一定完全相同，比如去年我上計量經濟學時，授課的Dr. Harless告訴我們單尾的虛無假設與對立假設的敘述方式分別是：H0: β≤0; H1:β>0；可是最近教我們計量經濟學的群組追蹤與非線性方法的Dr. Stratton卻告訴我們正確的敘述方式應該是：H0: β=0; H1:β>0[1]。這讓我想要進一步將相關的原理弄懂一點，並回顧一下以前所學的，希望能釐出一個較清楚的面貌。推論統計的目的是要讓我們能夠根據一組樣本的資料，去推論母體的狀況，其中主要是透過母體參數的估計(population parameter estimating)以及假設檢定(hypothesis testing)來達成