一个教育水平影响薪资的命题，扔进统计模型转一圈，出来的p值到底能不能信？多数做预测模型的人，连第一类错误和第二类错误都分不清，就在那盯着0.05按头下结论。今天把假设检验最要命的几个概念拆开看，全是血泪踩坑经验。

先定几个名词，别到最后连自己在干什么都不知道。假设检验，就是拿样本数据计算证据，判定某个说法是真是假。比如“学历高低对员工薪资有没有影响”，这就是个典型问题。真正动手的时候，你得算出一个检验统计量，像t检验、Z分数、方差分析这些，用这个量表衡量样本结果和零假设预期间的差距。然后还要跟一个临界值比，它由显著性水平α划出拒绝域和非拒绝域的分界线，超过这根线，才敢说“有事发生”。

打开网易新闻 查看精彩图片

坑最多的地方就是两类错误。第一类错误，也叫假阳性，零假设明明是对的，你却说它错了；第二类错误则是假阴性，零假设其实是错的，你却没检验出来。很多团队根本没想过自己的模型更怕哪一种错——宁可误杀不可漏判，还是宁可漏判不能误杀，这直接决定α取多大、样本量要多高。

筛选方法的时候，先搞清楚数据长什么样。参数检验，专门处理数值型连续数据。它有个硬前提：数据得来自正态分布，均值、中位数、众数凑到一起形成经典钟形曲线，各组方差还得近似相等，数据点之间独立采集。满足这些，用在大型数据集上就很顺手，单因素方差分析和t检验就是典型。另一条路是非参数检验，不瞎猜分布形状，特别适合等级、顺序数据或者小样本场景，比如曼-惠特尼U检验和克鲁斯卡尔-沃利斯检验。如果你拿一堆严重偏态的数据非要用t检验，那p值不管多漂亮，都是骗自己的。

操作步骤一点都不神秘。第一，把业务问题定清楚，你到底想证明什么；第二，设零假设和备择假设，零假设总在说“无事发生、没有差异”，备择假设则宣布“至少有一处存在真实效应”；第三，选定显著性水平，业界的标配是5%也就是0.05，翻译过来就是，你允许模型有5%的概率预测错；接下来算检验统计量，评估p值。p值的含义经常被曲解——它表示在零假设成立的条件下，纯粹由运气撞出当前结果甚至更极端结果的概率。所以，p值小于等于0.05，就拒绝零假设，当成真有效应；p值大于0.05，无法拒绝零假设，意味着证据不足，很可能只是随机波动。

方向性这里，原文只提到单尾检验，它是一种有方向性的检验，只检测某个特定方向的效应。至于双尾怎么玩，原文没给完整信息，就不硬补了。实际项目中，你要是先在数据里偷瞄了两眼再决定单尾双尾，那p值直接作废，别问为什么。