统计检验：实证会计研究方法的核心(2)
2017-08-16 01:39
导读：为使统计量T发挥作用，它必须具备下列两个重要性质：一是当H[，1]成立时，T（X[，1]，X[，2]……，X[，n]）的表现应与当H[，0]成立时的表现有所不同，因
为使统计量T发挥作用，它必须具备下列两个重要性质：一是当H[，1]成立时，T（X[，1]，X[，2]……，X[，n]）的表现应与当H[，0]成立时的表现有所不同，因为T（X[，1]，X[，2]，……，X[，n]）是用来表明推翻H[，0]的证据之强弱的，并且一般地，实际情况和H[，0]的假定差别越大，T（X[，1]，X[，2]，……，X[，n]）的表现也就该越不相同；二是在假定H[，0]成立的条件下，T（X[，1]，X[，2]，……，X[，n]）的概率分布必须能够出来（至少能近似地算出）。这个概率分布称为零分布，它提供了一个基准，据此判断在假设H[，0]下，我们所观察到的样本数据相对于H[，0]而言合理或不合理的程度，可用以评价所得到的推翻H[，0]的证据的显著（强弱）程度。
第三步：临界区域的构造及其利用
统计量T（X[，1]，X[，2]，……，X[，n]）选定之后，可以设问：“统计量的什么样的样本观察值能够表明我们得到了推翻H[，0]的证据？那种能表明H[，0]不成立的统计量观察值的全体，就被称为临界区域。因此，若发现由数据算出的T（X[，1]，X[，2]，……，X[，n]）值位于临界区域内，我们就拒绝H[，0]而支持H[，1].此事一经发生，就可以说得到了足以拒绝H[，0]的显著证据，或者说，T（X[，1]，X[，2]，……，X[，n]）的值是显著的；但若T（X[，1]，X[，2]，……，X[，n]）不在临界区域内，就表示没有足够的证据拒绝H[，0]而支持H[，1]，这时就可以说T（X[，1]，X[，2]，……，X[，n]）值是不显著的。
第四步：显著性水平的确定及临界值的决定
如果确认T≥c为临界区域合适的模型（可以讨论T＞c、T≤c及T＜c的情形），c值该如何选？遗憾的是，无论在现实中怎样确定拒绝或不拒绝H[，0]的标准，总有可能作出错误的结论。
（科教作文网http://zw.NSEaC.com编辑发布）
例如，若临界区域相对说来很大，则H[，0]有可能遭拒绝而事实上不该拒绝。另一方面，若把临界区域做得很小，则在应该拒绝H[，0]时反而没有拒绝它。在实践中，H[，0]的拒绝与否取决于检验的显著性水平。所谓显著性水平，即当客观上H[，0]成立而被判不成立时，我们所需承担的风险（此即“第1类错误”，通常用α表示）。可见显著性水平就是当H[，0]成立时获得有显著意义的拒绝H[，0]的T（X[，1]，X[，2]，……，X[，n]）值的概率。显著性水平越高，临界区域就越大；显著性水平越低，临界区域就越小。
在实证会计研究中，经常采用的显著性水平为1%，5%，10%（注：在实践中，实证会计研究人员常使用P[-]值（即观察到的显著性水平）。使用P[-]值的好处是，一般地说，在单侧检验时，不明确的先验信息所导出后验概率与P[-]值近似，而经典的犯第Ⅰ类错误及第Ⅱ类错误的概率通常都不与相应的后验概率近似。）。
完成上述四个步骤之后，我们就可以作出关于H[，0]的结论了。首先，现实显著性与统计显著性是有差别的：现实显著性着重在所观察到的差异有无实际上的重要性，而统计显著性则着重所观察到的差异可否仅用随即性去解释；其次，统计上的显著性不必有现实意义，但是，若现实的显著性达不到统计显著性，则不能充分使人信服，因其不能排除偶然因素的作用；最后，在实证会计研究中，这种对统计问题的解释是需要谨慎对待的。
三、使用简单假设检验应注意的
笔者认为，使用简单原假设检验应注意以下几个问题。
首先，在概率论中，两个随机变量X，Y之间的相关程度常用相关系数ρ表示，它实际是线性相关性，且须假定X，Y均来自正态总体。因而，H[，0]：ρ=0，H[，1]：ρ≠0这种形式的检验就很常见。（无论是原假设还是备择假设，若原假设假定我们所关心的参数取单一数值，则称为简单原假设，否则就称为复合原假设）若H[，0]成立，则X，Y之间不存在相关关系，一般说来，我们也就不必关心它们了。
内容来自www.nseac.com 其次，对容易量化与不容易量化者要有所选择。在实证中，这种形式的简单原假设检验也很普遍，但形式上有变化。人们更常用回归方程能否通过统计检验的方式，来考虑两个随机变量是否有相关关系（甚至是因果关系）。
