回归模型斜率的假设检验 — AP 统计学

1. 什么是回归斜率假设检验？ ★★☆☆☆ ⏱ 2 min

本内容约占AP统计学考试总分的5-7%，会同时出现在选择题和简答题部分，最常以结合斜率置信区间的多部分简答题形式考查。

该检验的核心目标是回答：我们是否有统计证据表明，在整个总体中，解释变量和响应变量之间确实存在线性关系，而非仅在我们的样本中观察到这种关系。它整合了你对显著性检验和线性回归的知识，这两个都是考试中占比很高的核心考点。

2. 表述假设与检验推断条件 ★★★☆☆ ⏱ 4 min

任何斜率假设检验的第一步都是正确定义总体参数、表述你的假设，并验证斜率抽样分布服从t分布所需的条件。

假设必须始终用总体参数表述，而不能用样本统计量。检验任意线性关系时，标准假设为：

• $H_0: \beta = 0$: 总体中$x$和$y$之间不存在线性关系
• $H_a: \beta \neq 0$: 总体中$x$和$y$之间存在非零线性关系（双侧检验）

如果题目指定了方向性的结论（例如“斜率为正”），则使用单侧备择假设：$H_a: \beta > 0$或$H_a: \beta < 0$。

• **L**inear（线性）: 真实关系$x$和$y$之间是线性的（检查残差图不存在曲线模式）
• **I**ndependent（独立）: 各观测值相互独立（抽样时检查10%条件，实验时检查随机分配）
• **N**ormal（正态）: 残差围绕回归线服从正态分布（检查残差的正态概率图或直方图）
• **E**qual Variance（方差齐性）: 所有$x$值对应的残差离散程度恒定（检查残差图不存在扇形放大/缩小模式）

Exam tip: 在AP简答题中，你必须说出每个条件的名称，并解释你如何在该问题情境中检验它；只写"LINE"是无法拿到满分的。

3. 计算检验统计量和p值 ★★★☆☆ ⏱ 4 min

如果所有条件都满足，样本斜率$b_1$的抽样分布服从自由度为$df = n - 2$的t分布。我们损失2个自由度是因为我们估计了回归线的两个参数：截距和斜率。

t检验统计量的公式为：

t = \frac{b_1 - \beta_0}{SE_{b_1}}

其中$b_1$是最小二乘回归得到的样本斜率，$\beta_0$是原假设中假设的总体斜率（几乎总是0），$SE_{b_1}$是斜率的标准误。在AP考试中，$SE_{b_1}$几乎都会在计算机回归输出中给出；你几乎不需要手动计算它。

计算得到t统计量后，你需要找到p值，也就是在原假设$H_0$为真的前提下，观测到和你的结果一样极端或更极端的t统计量的概率。对于双侧检验，将单侧p值翻倍；对于单侧检验，使用和$H_a$方向一致的单侧p值。

Exam tip: 如果你拿到完整的回归输出，斜率行已经预先计算好了t和p值，你不需要重新计算；直接使用给出的值即可，节省考试时间。

4. 得出结论并联系置信区间 ★★★★☆ ⏱ 4 min

找到p值后，将其与预先指定的显著性水平$\alpha$（除非另有说明，否则几乎总是$\alpha = 0.05$）比较。决策规则是显著性检验的标准规则：如果$p < \alpha$，拒绝原假设；如果$p \geq \alpha$，不拒绝原假设。

AP考试中该考点考查最多的能力就是在情境中写出正确结论。常见错误包括没有将结论结合问题情境，以及在不拒绝原假设时错误声称原假设为真。你永远无法证明原假设为真；你只有足够或不足够的证据拒绝它。绝对不要使用“接受$H_0$”这种表述。另外要记住，统计显著性不等于实际显著性。

Exam tip: 在AP简答题结论中，一定要包含"令人信服的统计证据"这个表述，并明确提及显著性水平；遗漏这些会让你丢失整整一分。