
统计实验与显著性检验
|
85
据的所有方式。这种方法仅适用于比较小的样本。通过大量的打乱重排,随机置换检验
的结果会接近穷尽置换检验的结果,并逼近它的极限。因为穷尽置换检验具有一种统计
特性,能保证零模型在检验时不会比
α
水平更显著(参见
3.4
节)
,所以它有时也称为
精
确检验
。
在
Bootstrap
置换检验中,
随机置换检验的第二步和第三步是通过
有放回
方式进行的,而不
是无放回方式。这样,重抽样过程的建模不仅包括了将处理分配给被试者时的随机因素,
还包括了从总体中选择被试者时的随机因素。在统计学中,这两种过程我们都会遇到,它
们的区别比较复杂,但在数据科学实践中不是那么重要。
3.3.4
置换检验
:
数据科学的底线
置换检验是一种非常有用的启发式过程,可以用来探索随机变动的作用。这种过程很容易
编码、理解和解释。它提供了一种有用的变通方案,可以解决基于公式的统计学中的形式
主义和“错误决定论”,其中根据公式得出的精确答案往往意味着不能保证其确定性。
与公式方法不同,重抽样的一个优点是,它是一种几乎适用于任何情况的推断方法。数据
可以是数值型的,也可以是二元的;样本容量可以相同,也可以不同;也不需要数据符合
正态分布的假设。
本节要点
•
在置换检验中,多个样本被组合在一起,然后打乱重排。
•
重排后的值被分割为重抽样,并重新计算相应的统计量。
•
重复这个过程,并将重抽样统计量列成表格。
•
比较统计量的观测值和重抽样分布,就可以判断样本之间的观测差异是否是由随机
性造成的。
3.3.5
扩展阅读
• Eugene Edgington ...