提高假设检验的功效

可以使用下面的任何方法来提高假设检验的功效。

  • 使用较大的样本。
    使用的样本越大,提供的总体相关信息越多,因此,功效也越大。提高功效的最实际方法通常是使用较大的样本。
  • 改进过程。
    对于均值的假设检验(单样本 Z、单样本 t、双样本 t 和配对 t),改进过程可以降低标准差。标准差越小,功效越大,可以检测到的差值越小。
  • 使用较高的显著性水平(又称为 alpha 或 α)。
    使用的显著性水平越高,否定原假设的概率越大。但是,一定要小心,因为您不希望否定实际上为真的原假设。(否定原本为真的原假设被称为 I 型错误。)
  • 差值选择一个较大的值。
    在总体均值中检测较大差异很容易。
  • 使用定向假设(又称为单尾假设)。
    定向假设具有更高的功效,可以在指定的方向(方向要么大于,要么小于)上检测到指定的差异。但是,一定要小心,因为定向假设无法在相反的方向上检测到差异。

提高方差分析的功效

可以使用下面的任何方法来提高单向方差分析的功效。

  • 使用较大的样本。
    使用的样本越大,提供的总体相关信息越多,因此,功效也越大。提高功效的最实际方法通常是使用较大的样本。
  • 均值之间的最大差值选择一个较大的值。
    在总体均值中检测较大差异很容易。
  • 改进过程。
    改进过程可以降低标准差,从而提高功效。
  • 使用较高的显著性水平(又称为 alpha 或 α)。
    使用的显著性水平越高,否定原假设的概率越大。但是,一定要小心,因为您不希望否定实际上为真的原假设。(否定原本为真的原假设被称为 I 型错误。)

提高 2 水平因子设计的检验功效

可以使用下面的任何方法来提高 2 水平因子设计或 Plackett-Burman 设计的功效。
重要信息

仅使用下面的方法来提高功效。请勿通过更改其他设计注意事项(如区组数量,或者全设计或因子设计之间的选择)来提高功效。应当基于研究目标(而非按功效注意事项)来做出更改决定。

  • 使用更多的仿行。
    使用的仿行越多,提供的总体相关信息越多,因此,功效也越大。提高功效的最实际方法通常是使用更多的仿行。
  • 使用更多的中心点。
    使用的中心点越多,标准差的估计值越精确,因此,功效也越大。
  • 效应选择一个较大的值。
    在总体均值中检测较大差异很容易。
  • 改进过程。
    改进过程可以降低标准差,从而提高功效。
  • 使用较高的显著性水平(又称为 alpha 或 α)。
    使用的显著性水平越高,否定原假设的概率越大。但是,一定要小心,因为您不希望否定实际上为真的原假设。(否定原本为真的原假设被称为 I 型错误。)
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