在建立假设之后，研究者需要提供可靠的证据来支持他所提出的备择假设。实际操作中，提出证据的信息主要是来自所抽取的样本，假设检验也就是要凭借可能获得的样本观测结果，帮助研究者作出最后的判断和决策，如果样本提供的证据能够证明原假设是不真实的，研究者就有理由拒绝它，而倾向于选择备择假设。
研究者总是希望通过样本信息提供对备择假设的支持，而倾向于“拒绝原假设”的结论。通常样本提供的信息十分丰富和繁杂，针对特定的研究问题，往往需要对这些信息进行压缩和提炼，检验统计量便是对样本信息进行压缩和概括的结果。
◎定义6.10：根据样本观测结果计算得到的，并据以对原假设和备择假设作出决策的某个样本统计量，称为检验统计量（test statistic）。
检验统计量是一个随机变量，随着样本观测结果的不同，它的具体数值也是不同的，但只要已知一组特定的样本观测结果，检验统计量的值也就可以确定了。假设检验的基本原理就是根据统计量建立一个准则，依据这个准则和计算得到的检验统计量的结果，研究者就可以决定是否拒绝原假设。统计量的哪些值将导致我们拒绝原假设而倾向于备择假设呢？这需要找出能够拒绝原假设的统计量的所有可能值，这些取值的集合则称为拒绝域。
◎定义6.11：能够拒绝原假设的检验统计量的所有可能取值的集合，称为拒绝域（rejection region）。
拒绝域就是由显著性水平α所围成的区域。如果利用样本观测结果计算出来的检验统计量的具体数值落在了拒绝域内，就拒绝原假设，否则就不拒绝原假设。
拒绝域的大小与我们事先选定的显著性水平有一定关系。在确定了显著性水平α以后，就在以根据α值的大小确定出拒绝域的具体边界值，拒绝域的边界值称为临界值。(www.xing528.com)
◎定义6.12：根据给定的显著性水平确定的拒绝域的边界值，称为临界值（critical value）。
在给定显著性水平α后，查阅书后所附的统计表就可以得到具体的临界值，将统计量的值与临界值进行比较，就可作出拒绝或不拒绝原假设的决策。
在给定显著性水平条件下，不同检验的拒绝域和临界值如图6.1（a）、（b）、（c）所示。
图6.1 显著性水平、拒绝域和临界值
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
