免费临界值计算器

在进行假设检验时，临界值法是判定是否拒绝原假设的直截了当的方法。临界值计算器作为全面的假设检验计算器，提供标准正态 (Z)、t‑Student、卡方和 F 分布的临界值。它支持单尾检验和双尾检验，以便你根据选择的显著性水平（通常是0.05或0.01）定义拒绝域（也称为临界域）。无论你需要Z临界值、t临界值、卡方临界值还是F临界值，该工具都能为你提供评估统计显著性所需的精确截断点。

在假设检验中临界值是什么？

在假设检验中，临界值是分隔拒绝域和非拒绝域的边界。如果从样本计算出的检验统计量落在此边界之外，则在预定的显著性水平 $\alpha$ 下拒绝原假设。临界值取决于：

• 在零假设下假定的分布。
• 备择假设方向（左尾、右尾或双尾）。
• 显著性水平 $\alpha$。
• 对于 t、卡方和 F 分布，还有自由度。

对于单尾检验，只有一个临界值；对于双尾检验，存在两个临界值（每个尾一个），每个对应于面积为 $\alpha/2$ 的区域。两个尾的总面积等于 $\alpha$。

使用临界值等价于使用 p 值做决策，但许多研究者发现临界值方法更容易可视化，因为它直接显示了检验统计量导致拒绝的区域。

使用临界值计算器的逐步指南

1. 选择分布 – 在标准正态（Z）、t‑Student、卡方（$\chi^2$）或 F（Fisher‑Snedecor）中选择。工具会根据你的选择自动调整输入字段。
2. 选择检验类型 – 双尾、右尾（上）或左尾（下）。
3. 输入自由度 – t、$\chi^2$ 和 F 分布需要。对于 F 分布，需要分子自由度和分母自由度。
4. 设置显著性水平 $\alpha$ – 默认为 0.05，但你可以将其更改为 0 到 1 之间的任意值。
5. 查看结果 – 计算器显示临界值并明确指出拒绝域（例如，右尾检验的 $(1.7531, \infty)$）。

例如，自由度为 15、$\alpha = 0.05$ 的右尾 t 检验得出临界值 $1.7531$、拒绝域为 $(1.7531, \infty)$。相同参数的双尾检验给出两个临界值：$\pm 2.1314$。

标准正态（Z）分布的临界值

当检验统计量遵循标准正态分布 $N(0,1)$ 时，分位数函数记为 $u$。Z 临界值为：

• 左尾：$u(\alpha)$
• 右尾：$u(1 - \alpha)$
• 双尾：$\pm u(1 - \alpha/2)$

对于常见的显著性水平 $\alpha = 0.05$（即 95 % 置信度），双尾 Z 临界值为 $\pm 1.96$。相同水平的单尾检验，右尾值为 $1.645$，左尾值为 $-1.645$。

t‑分布的临界值

t‑分布具有比标准正态更厚的尾部，其形状取决于自由度 $d$。设 $Q_{\text{t}, d}$ 为具有 $d$ 自由度的 t‑分布的分位数函数。公式为：

• 左尾：$Q_{\text{t}, d}(\alpha)$
• 右尾：$Q_{\text{t}, d}(1 - \alpha)$
• 双尾：$\pm Q_{\text{t}, d}(1 - \alpha/2)$

当样本量较大（自由度 > 30）时，t‑分布与标准正态几乎相同，因此 t 临界值和 Z 临界值实际上变得相同。对于较小样本，t 临界值更大，反映了更大的不确定性。

示例： 对于样本量为 5（自由度 = 4）、$\alpha = 0.05$ 的双尾检验，t 临界值为 $2.132$。对于自由度为 15、$\alpha = 0.05$ 的单尾检验，右尾临界值为 $1.7531$。

卡方分布的临界值

卡方（$\chi^2$）分布不对称且非负。其临界值取决于自由度 $d$，并使用分位数函数 $Q_{\chi^2, d}$ 表示：

• 左尾：$Q_{\chi^2, d}(\alpha)$
• 右尾：$Q_{\chi^2, d}(1 - \alpha)$
• 双尾：$Q_{\chi^2, d}(\alpha/2)$（左）和 $Q_{\chi^2, d}(1 - \alpha/2)$（右）

产生卡方临界值的常见假设检验包括：

• 拟合优度检验 – 右尾；自由度 = $k - 1$，其中 $k$ 是类别数。
• 独立性检验 – 右尾；自由度 = $(r - 1)(c - 1)$，其中 $r$ 和 $c$ 分别是列联表的行数和列数。
• 正态分布数据的方差检验 – 可以是单尾或双尾；自由度 = $n - 1$。

例如，具有 5 个类别（自由度 = 4）、$\alpha = 0.05$ 的右尾拟合优度检验的卡方临界值约为 $9.488$。

F‑分布的临界值

F‑分布（Fisher‑Snedecor）有两组自由度：分子自由度（$d_1$）和分母自由度（$d_2$）。其分位数函数为 $Q_{\text{F}, d_1, d_2}$。公式为：

• 左尾：$Q_{\text{F}, d_1, d_2}(\alpha)$
• 右尾：$Q_{\text{F}, d_1, d_2}(1 - \alpha)$
• 双尾：$Q_{\text{F}, d_1, d_2}(\alpha/2)$ 和 $Q_{\text{F}, d_1, d_2}(1 - \alpha/2)$

F 检验在常见应用中通常是右尾的。使用 F 临界值的最重要检验包括：

• 方差分析（ANOVA） – 比较三个或更多组的均值；自由度 = $(k - 1, n - k)$，其中 $k$ 是组数，$n$ 是总样本量。
• 整体回归显著性 – 检验是否有任何预测因子与结果相关；自由度 = $(k - 1, n - k)$。
• 嵌套模型比较 – 检验更大的模型是否显著解释更多方差；自由度 = $(k_2 - k_1, n - k_2)$。
• 两个方差相等性检验 – 检验两个总体是否具有相等方差；自由度 = $(n - 1, m - 1)$。

为什么要使用在线临界值计算器？

在现代计算出现之前，查找临界值意味着翻阅厚厚的统计表格。临界值计算器免去了这一劳动。它可以即时给出精确的值，即使是非标准自由度或印刷表中未列的显著性水平。该工具还包含拒绝域边界，因此你可以将决策规则立即应用于你的检验统计量。无论你是正在学习统计显著性的学生还是进行高级分析的研究人员，此计算器都能让临界值方法变得快速且无误。