统计检验的意义与bootstrapping方法——《管理学问卷调查研究方法》读书笔记9

6.5 统计检验的意义 在统计研究中，我们感兴趣的是相关系数，x与y要么相关，要么不相关，这种判断标准在统计上是没有问题的，但是，应用到真实的研究中可能就有点问题了。
方法论大师，爱荷华大学的Frank Schmidt教授在80年代末期就倡导一个放弃假设检验的运动。他主要论据是假设检验违背了科学分享和总结的精神。很多学术刊物不喜欢没有结果的研究，如果一个研究假设x影响y，但是假设检验不显著的话，绝大部分学术刊物会退稿。这样就产生了2个严重的后果：
1.很多设计很好的研究因为结果不显著导致石沉大海
2.导致发表的研究有正向偏差的现象。也就是说全是显著的结果而没有不显著的结果，理论上来说，应该把有效的结果喝无效的结果一并考虑，才能得到总体参数的正确估计。
由于以上的原因，Frank Schmidt提出了元分析这种统计工具。Frank Schmidt除了提出元分析的方法以外，还提倡在研究中用“置信区间“来取代假设检验，这样研究结果就无所谓显著还是不显著，也不会因为不显著就被退稿了。从这个角度看，置信区间比假设检验更有建设性。
但是为什么目前大部分研究还是采用假设检验作为主流报告形式呢？原因主要有2个，一个是习惯的问题。另一个原因是假设检验非常方便，实用。如果放弃了假设检验，评审就要单靠研究的设计，理论的强弱来决定文章接受与否。因此，目前为止假设检验还是主流，但同时把置信区间也报告出来的论文也越来越多。
6.6 未知抽样分布的假设检验方法与工具
假设验证时候需要统计量的抽样分布属于正太分布。但很多时候我们根本没法推算某些统计量的抽样分布是什么形状的。以相关系数为例，如果没有Fisher's Z转换把它的抽样分布转为正太分布是不行的。在不知道统计项的抽样分布时候，如何做假设检验呢？这需要借助'bootstrapping'方法了。
bootstrapping方法其实很简单，说穿了就是把样本看作总体，然后坐重置抽样。如果手头的样本是从一个总体中随机抽出来的样本，它对总体应该有一定代表性。通过重置抽样的方法，抽出来的子样本所组成的概率分布就是总体的一个合理的代表了。但是由于是重置抽样（抽出来记录后再放回去），字样本里的数据点可能会有重复。如