双侧检验

双侧检验（Two-tailed Test）是假设检验中用于检测参数是否存在显著差异（不指定方向）的方法。其核心在于拒绝域分布在抽样分布的两侧，适用于研究假设仅关注“是否不同”而不预设变化方向的场景。以下是系统解析：

示例：

• 检验新教学方法是否影响学生成绩 -- 双侧
• 检验新药是否提高治愈率 -- 单侧（右尾）

1. 正态分布示例（α = 0.05）

• 双侧检验：拒绝域在两侧，每侧面积 α/2 = 0.025
  • 临界值：Z = ±1.96
• 单侧检验（右尾）：拒绝域在右侧，面积 α = 0.05
  • 临界值：Z = 1.645

2. 决策规则

• 若 检验统计量 |Z| > Z_α/2 → 拒绝 H₀（双侧）
• 若 Z > Z_α 拒绝 H₀（单侧右尾）

1. 需用双侧检验的典型情况

2. 错误使用单侧的后果

• 若实际存在反向差异（如新药效果更差），单侧检验会遗漏显著结果（Ⅱ类错误风险↑）

问题：检验某批次产品平均重量是否为 100g（σ = 5，抽样 n = 25，x̄ = 102，α = 0.05）

1. 假设：
   • H₀: μ = 100
   • H₁: μ ≠ 100
2. 计算检验统计量：
   Z = (x̄ - μ) / (σ/√n) = (102 - 100) / (5/√25) = 2.0
3. 查临界值：
   Z_α/2 = Z_0.025 = 1.96
4. 决策：
   ∵ |Z| = 2.0 > 1.96 ∴ 拒绝 H₀，产品重量显著偏离 100g

1. 混淆方向性
   • 误将“预测A>B”设为双侧，降低统计功效（检验力）
   • 原则：有明确方向预期时用单侧，否则用双侧。
2. α 分配错误
   • 双侧检验中 α 需平分到两侧（如 α=0.05 时每侧 0.025），而非直接取单侧临界值。
3. P值解读
   • 双侧P值 = 2 × min( P(Z ≥ z), P(Z ≤ z) )
   • 例如 Z=1.8 时，单侧 P=0.0359，双侧 P=0.0718

R语言

# 单样本双侧t检验（假设总体均值=100）
t.test(sample_data, mu = 100, alternative = "two.sided")

# 输出示例：
# t = 2.5, df = 24, p-value = 0.019
# 若 p < 0.05 -- 拒绝 H0

SPSS

1. 分析 > 比较均值 > 单样本T检验
2. 输入“检验值”（即 μ₀）
3. 默认执行双侧检验（需单侧则需手动计算）

双侧检验是探索性研究的基石，其核心价值在于：

1. 避免先验偏见：不预设方向，全面捕捉正/负向差异；
2. 兼容意外发现：如药物疗效反而更差时仍能检出；
3. 适用广泛场景：从质量控制到社会调查的通用方法。

关键记忆点：
“有无不同”用双侧，“定向变化”用单侧；
α 平分到两端，P值加倍再判断。

• Agresti, A., & Franklin, C. (2013). Statistics: The Art and Science of Learning from Data. Pearson.
• Altman, D. G. (1991). Practical Statistics for Medical Research. Chapman and Hall.
• Moore, D. S., McCabe, G. P., & Craig, B. A. (2012). Introduction to the Practice of Statistics. W.H. Freeman.
• Rice, J. A. (2007). Mathematical Statistics and Data Analysis. Duxbury Press.
• Rosner, B. (2015). Fundamentals of Biostatistics. Cengage Learning.
• 武松, 潘发明. (2011). SPSS统计分析大全. 清华大学出版社.
• 陈希孺. (2009). 概率论与数理统计. 科学出版社.
• 王静龙, 梁小筠. (2006). 非参数统计分析. 高等教育出版社.