解释 单比率 的主要结果

请完成以下步骤来解释单比率检验。主要输出包括比率估计值、置信区间和 p 值。

步骤 1:确定总体比率的置信区间

首先考虑样本比率,然后检查置信区间。

样本比率是对总体比率的估计值。由于比率基于样本数据而不是整个总体,因此样本比率不可能等于总体比率。使用置信区间可以更好地估计总体比率。

置信区间提供总体比率的可能值范围。例如,95% 置信水平表明,如果从总体中随机抽取 100 个样本,则可预期约 95 个样本将生成包含总体比率的区间。该置信区间有助于评估结果的实际意义。使用您的专业知识可以确定置信区间是否包括对您的情形有实际意义的值。如果区间因太宽而毫无用处,请考虑增加样本数量。有关更多信息,请转到获得更加精确的置信区间的方法

描述性统计量 N 事件 样本 p p 的 95% 置信区间 1000 87 0.087000 (0.070268, 0.106208)
主要结果:样本 p、95% 置信区间

在这些结果中,进行购买行为的家庭的总体比率估计值为 0.087。总体比率约介于 0.07 到 0.106 之间的可信度为 95%。

步骤 2:确定检验结果在统计意义上是否显著

要确定总体比率与假设比率的差值在统计意义上是否显著,请将 p 值与显著性水平进行比较。通常,显著性水平(用 α 或 alpha 表示)为 0.05 即可。显著性水平 0.05 指示在实际上不存在差值时得出存在差值的风险为 5%。
P 值 ≤ α:比率的差值在统计意义上显著(否定 H0
如果 p 值小于或等于显著性水平,则决策为否定原假设。您可以得出总体比率与假设比率的差值在统计意义上显著的结论。请使用您的专业知识确定差值在实际意义上是否显著。有关更多信息,请转到统计显著性和实际显著性
P 值 > α:比率的差值在统计意义上不显著(无法否定 H0
如果 p 值大于显著性水平,则决策为无法否定原假设。您没有足够的证据得出总体比率与假设比率的差值在统计意义上显著的结论。您应该确保检验具有足够的功效来检测到在实际意义上显著的差值。有关更多信息,请转到单比率的功效和样本数量

单比率检验和置信区间

方法 p: 事件比率 此分析使用精确方法。
描述性统计量 N 事件 样本 p p 的 95% 置信区间 1000 87 0.087000 (0.070268, 0.106208)
检验 原假设 H₀: p = 0.065 备择假设 H₁: p ≠ 0.065
P 值 0.008
主要结果:P 值

在这些结果中,原假设声明购买新产品的家庭所占的比率等于 6.5%。由于 p 值为 0.008(小于显著性水平 0.05),因此决策为否定原假设并得出购买新产品的家庭占总体的比率不同于 6.5% 的结论。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策