Informal hypothesis testing for correlation/ association

欢迎来到相关系数的非正式假设检验！

在本章中，我们将探讨如何判断两件事物之间是否存在关联。例如，你投入复习的时间是否真的与你的考试分数有关？或者一个人的身高是否与其鞋码有关？我们使用非正式假设检验（Informal Hypothesis Testing）来观察我们在小群体（样本）中看到的模式，是否足够强大以至于能推论该模式同样适用于所有人（总体）。

如果刚开始觉得这些术语有点“深奥”，不用担心——其核心其实非常简单，我们只是在寻找证据，判断这种关系是真实存在的，还是纯属巧合！

基本概念：双变量数据与关系

在进行任何检验之前，我们需要先理解我们正在处理的对象。在本节中，我们处理的是双变量数据（Bivariate data）。这意味着我们对每一个体都有两个测量值（例如“身高”和“体重”）。

1. 相关性 (Correlation) 与关联性 (Association)

这两个术语经常被交替使用，但它们之间有细微的差别：

• 相关性 (Correlation)： 这特别指线性关系。换句话说，如果你将数据绘制在散点图上，这些点是否看起来倾向于形成一条直线？
• 关联性 (Association)： 这是一个更广泛的术语。它意味着变量之间存在某种关系，即使它不是一条直线（例如，它可能是一条曲线）。

2. 相关系数 \(r\)

我们使用一个称为相关系数的数值，以字母 \(r\) 表示，来衡量线性关系的强度。

• 若 \(r = 1\)，则为完美的正线性相关（一条完美的向上直线）。
• 若 \(r = -1\)，则为完美的负线性相关（一条完美的向下直线）。
• 若 \(r = 0\)，则完全没有线性相关。

快速回顾： \(r\) 越接近 \(1\) 或 \(-1\)，关系越强；越接近 \(0\)，关系就越弱。

等级相关 (Rank Correlation)：当关系非直线时

有时数据并不会形成直线，但它们仍朝着一致的方向移动（例如，随着 \(x\) 增加，\(y\) 也总是增加，只是速度不同）。在这种情况下，我们使用等级相关。

我们不再使用实际数值（如 \(152cm\)、\(180cm\)），而是将它们排序（第 1 高、第 2 高等）。这衡量的是等级之间的关联性，而非实际数值。当你拥有离群值或非线性关系时，这是一个非常有用的工具！

你知道吗？ 在这个特定单元中，你不需要知道各种系数的复杂名称（如 Pearson 或 Spearman），你只需要知道如何运用题目给你的 \(r\) 值即可！

假设检验流程

这是我们决定样本的相关性是否具有“统计显著性”的过程。我们需要遵循特定的步骤。

步骤 1：建立你的假设

我们总是从两个陈述开始：

• 虚无假设 \(H_0\)： 这是“平淡”的假设。它总是声称在总体中没有相关性/关联性。
• 对立假设 \(H_1\)： 我们怀疑实际发生的情况。
  • 单尾检验 (1-tailed test)： 我们预测了方向（例如：“存在正相关”）。
  • 双尾检验 (2-tailed test)： 我们认为存在某种关系，但不确定方向（例如：“存在相关性”）。

步骤 2：查看 \(p\)-值或临界值

在考试中，你通常会得到相关系数的 \(p\)-值 或 临界值 (Critical value)。这些数值来自统计软件或统计表。

• \(p\)-值： 这是我们观察到的相关性纯属巧合（偶然）发生的概率。
• 显著水平 (Significance Level)： 这是由研究者设定的“门槛”（通常为 \(5\%\) 或 \(0.05\)）。

步骤 3：做出决定

比较你的 \(p\)-值与显著水平。记住这个简单的口诀：

“若 \(p\) 值低，虚无假设必离去！”(If the p is low, the null must go!)

• 若 \(p < \text{显著水平}\)：我们拒绝 \(H_0\)。有足够的证据显示存在相关性。
• 若 \(p > \text{显著水平}\)：我们无法拒绝 \(H_0\)。没有足够的证据证明该相关性真实存在。

重点提示： 小的 \(p\)-值意味着该结果极不可能仅是运气好！

得出结论（“非武断”的方式）

在 Mathematics B (MEI) 中，考官很看重非武断 (non-assertive) 的语言。我们永远不会说我们“证明了”什么。相反地，我们会说“有足够的证据显示……”

范例：“在 \(5\%\) 的显著水平下，有足够的证据显示复习时间与考试成绩之间存在正相关。”

现实生活范例：冰淇淋与晒伤

想象一下，你发现冰淇淋销售量与晒伤案例之间存在高度相关（\(r = 0.9\)）。假设检验很可能会显示这是一个“显著”的相关性。

这是否意味着吃冰淇淋会导致晒伤？ 不！这是一个经典范例，说明为什么相关性不代表因果关系 (Correlation does not imply Causation)。两者都是由第三个因素引起的：炎热的天气。在解释结果时，请务必记住这一点！

常见错误需避免

• 搞混 \(r\) 与 \(p\)-值： \(r\) 告诉你线性的强度；\(p\)-值告诉你该强度是否具有统计显著性。
• 武断的语言： 避免说“这证明了 \(x\) 导致 \(y\)”。请坚持使用“有证据显示……”。
• 离群值 (Outliers)： 要小心！单一离群值可能让微弱的相关性看起来很强，或让强相关看起来很弱。如果题目有提供散点图，请务必观察它。
• 时间序列： 相关系数仅适用于随机变量。它们不适合用于时间序列等情况，因为其中一个变量（时间）是在固定间隔下设定的。

快速回顾区

\(H_0\)： 无相关性。
\(H_1\)： 有相关性（正相关/负相关/任意）。
决定： 若 \(p \leq \text{显著水平}\)，拒绝 \(H_0\)。
情境： 最终结论必须总是根据原始变量（例如“身高”和“体重”）来陈述。

总结重点

相关系数的非正式假设检验让我们能利用样本的相关系数 (\(r\)) 和 \(p\)-值，来判断总体中是否存在关系。只要遵循“若 \(p\) 值低，虚无假设必离去”的法则，并使用谨慎、非武断的语言，你一定能掌握统计学课程中的这一部分！