検定

◆手順

１．まず母集団に対する仮説を立てる。帰無仮説が本当かどうか。

２．帰無仮説が正しい前提で分布を描く。受容域か棄却域か(ベルカーブの中心側かテールエンドか)

３．テールエンドを決める(90％、95％、99％)

◆帰無仮説と対立仮設

帰無仮説＝検定仮説（否定することを目的としているので帰無仮説という）

対立仮説→こちらが本音

検定仮説＝H0　対立仮説＝H1　と書く

※「t値が大きいほどp値が小さい」という関係があります。t値が大きいほど「その説明変数が目的変数の予測に本当に有効」と主張できる可能性が高まります。

平均値の差の検定には、大別して3種類ある。

名称	特徴	例
一対の標本による平均の検定	同じ標本の異なる時点や条件下でデータの平均値に統計的な有意差があるか	・同じ機械や人といった標本が同じである状況で使用。・投薬を受ける前後で群の数値に統計的な違いがあるか
等分散を仮定した2標本による検定	異なる標本間での検定分散が等しいと仮定できる場合
分散が等しくないと仮定した2標本の検定	異なる標本間での検定分散が等しいと仮定できない場合

【分析ツール設定】

項目名	説明
仮説平均との差異(Y)：	帰無仮説が正しい場合の2つの平均値の差
ラベル(L)：	1行目がデータではなく変数名が記載されている場合に✓を入れる
a(A)：	t値による有意水準を指定する（5％有意水準：0.05、1％有意水準：0.01）

【分析ツール出力結果説明】

項目名	説明
ピアソン相関	一般的な相関係数（パラメトリック手法）順序尺度であり間隔尺度ではないので、例えば「相関係数が0.2と0.4であることから、後者は前者より2倍の相関がある」などと言うことはできない。相関分析は2変数間に線形関係があるか、その強さについての分析。それに対し回帰分析とは、変数の間にどのような関係があるか（具体的な関数の形）についての分析であり、また説明変数によって目的変数を予測するのを目的としている。
ｔ	t値　これの絶対値が「ｔ境界値」の絶対値よりも大きいかをみる
P(T<=t) 片側	P値　パーセンテージではなく少数点で記載されている。例)1.75E-10　事前に定義したテールエンドよりも小さければ帰無仮説を棄却できる
t 境界値片側	例)1.68022
P(T<=t) 両側	片側で検定すべき内容か両側で検定すべき内容か　　　例)3.51E-07
t 境界値両側	例)2.01536