韦尔奇t检验是一种统计假设检验方法,用于比较两个独立总体的均值,而不要求两个总体的方差相等。它将两个样本均值之差除以估计的标准误,再将所得统计量与近似的学生t分布进行比较。与传统的合并方差学生t检验不同,它分别估计各总体的方差,并调整参照分布的自由度。
统计设定
假设两个样本分别包含观测值 和 ,它们来自均值分别为 、方差分别为 的总体。假定每个样本内部的观测值相互独立,且两个样本之间具有统计独立性。
通常的原假设为
更一般地,假设中的均值差可以是任意指定值 :
备择假设可以是双侧的,即 ,也可以是有方向的,例如 。
韦尔奇检验针对的是总体算术均值之差。它并不检验两个总体是否具有相同的分布、相等的中位数或相等的方差。
检验统计量
样本均值之差的估计标准误为
因此,韦尔奇检验统计量为
分母估计的是两个独立样本均值之差的标准差。每组对这一估计的贡献同时取决于该组的变异程度和样本量;计算中不估计共同的总体方差。
近似自由度
将该统计量与t分布比较,所用的估计自由度为
这就是韦尔奇–萨特思韦特方程。 的值通常不是整数;现代软件可直接使用非整数自由度计算t分布。
对于双侧检验,近似P值为
其中, 是自由度为 的t分布的累积分布函数。在指定的显著性水平 下,当
时拒绝原假设,其中 表示累积概率为 的t分布分位数。
为什么需要近似
如果总体服从正态分布,则每个样本的均值与其自身的样本方差相互独立。样本均值之差服从正态分布,其方差为
然而,韦尔奇统计量的分母涉及两个独立方差估计量的加权和。每个样本方差都与卡方分布有关,但它们的加权和一般不能表示为单个经尺度变换的卡方变量。因此,即使总体服从正态分布,该统计量通常也不精确服从t分布。
韦尔奇–萨特思韦特近似用一个近似等效的、经尺度变换的卡方变量替代所估计的方差。记
则所得自由度为
这种矩匹配构造考虑了两个方差估计量的不确定性。如果其中一组在均值差的估计方差中占主导地位,有效自由度就会趋近于该组的自由度。一般而言,
因此,这一检验是异方差推断问题的近似解,而不是适用于所有正态总体的精确有限样本检验。
置信区间
同样的计算可给出总体均值差的近似 置信区间:
对于采用相同显著性水平和近似方法的双侧检验,当且仅当 落在该区间之外时,拒绝原假设。
该区间以原始测量单位表示估计的均值差。它不同于标准化的效应量,后者将差值除以某个选定的变异性度量。当总体方差不同时,如何选择标准化所用的量,是一个独立的方法学问题。
与合并方差t检验的比较
传统的独立样本学生t检验假定两个总体具有共同方差,并用下式估计:
其标准误为
参照t分布的自由度为 。在从正态总体独立抽样且总体方差相等的条件下,这一参照分布是精确的。
韦尔奇检验有两点不同:
- 它分别使用各组的方差估计值,而不使用合并估计值。
- 它调整自由度,以反映这些估计值的不确定性。
当样本量也不相等时,方差不等对合并方差检验的影响尤为明显。如果较小的样本来自变异性较大的总体,合并方差方法可能过于宽松,导致其第一类错误率升高。相反的配置则可能使检验偏于保守。
如果样本量相等,两种方法的检验统计量在数值上相同,但自由度可能不同。如果样本量和样本方差均相等,常用公式就完全一致。
当总体方差相等时,韦尔奇检验的统计功效通常接近合并方差检验;而在许多方差不等的情形下,它能够更好地控制错误率。不过,它并非在所有分布和抽样安排下都更优。先检验方差是否相等,再据此选择检验方法,会形成一个两阶段决策规则,其整体表现未必与单独使用其中任何一种检验时相同。
假设与局限
独立性与抽样设计
韦尔奇检验的方差计算依赖于观测值相互独立。允许方差不等,并不意味着它就能处理重复测量、配对观测或聚类数据。对于配对观测,差值的方差包含一个协方差项,而独立样本公式中没有这一项。
结果的解释也取决于抽样设计或分配设计。差异具有统计显著性,本身并不足以通过因果推断确立因果关系,也不能排除混杂效应和选择效应。
正态性与大样本表现
在正态抽样条件下,t近似通常较为准确,但它仍然是一种近似。对于非正态总体,只要满足相应的有限方差条件和抽样条件,中心极限定理就为大样本推断提供了依据。
不存在能够普遍保证准确性的样本量阈值。严重偏斜、重尾、极端观测值,或其中一组样本量过小,都可能降低近似的准确性。如果不确定性主要来自较小的那一组,仅增加较大组的样本量可能收效甚微。
允许方差不等,并不意味着韦尔奇检验具有抵抗离群值的能力:样本均值和样本方差都对极端观测值敏感。
退化数据
标准公式要求每组至少有两个观测值。如果两个样本方差均为零,分母及自由度的计算就会退化,常规检验程序不再有定义。
结果解释
较小的P值表明,在所用模型和近似下,数据与指定的原假设不相容;它并不表示原假设为真的概率。未能拒绝原假设,并不能证明总体均值相等。统计显著性也不能衡量差异的实际重要性。
历史发展与相关方法
该检验以统计学家伯纳德·刘易斯·韦尔奇命名。他在1938年和1947年的研究中,提出了在总体方差未知且不假定相等时比较均值的近似方法。富兰克林·E. 萨特思韦特于1946年开展的关于方差估计量分布近似的研究,为相关自由度公式奠定了基础。
韦尔奇检验是解决贝伦斯–费舍尔问题的一种广泛使用的近似方法。该问题研究的是:当两个正态总体的方差均未知且可能不相等时,如何对其均值之差进行推断。
对于涉及两个以上组的比较,韦尔奇对方差分析所作的异方差扩展提供了一种相关方法。两组检验也可以从线性回归的角度解释:二元组别指示变量的系数估计的就是均值差。采用适当的异方差一致方差估计量时,其估计标准误与韦尔奇检验一致,但要完整复现该检验,还需要使用韦尔奇–萨特思韦特自由度调整。