1.什么是假设检验？
假设检验是一种规则，它根据数据样本所提供的证据，指定是肯定还是否定有关总体的声明。基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。
2.假设检验的基本思想
假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件（P<0.01或P<0.05）在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为不假设成立
3.假设检验的基本步骤：
（1）问题是什么？
1.1零假设，备选假设
1.2检验假设
1.3抽样分布类型（是否符合正态分布或者t分布）
1.4检验方向（左尾检验、右尾检验单尾检验还是双尾检验）
（2）证据是什么？
零假设成立时，得到样本平均值的概率：P值
（3）判断的标准是什么？
显著水平α（0.1%，1%，5%）
（4）做出结论
P<=α时，拒绝零假设，即备选假设成立。
P>α时，接受零假设
进行假设检验时，你假定原假设为真，如果有足够的证据反驳原假设，则拒绝原假设，接受备选假设。就像把囚犯带到法官面前接受审判，只有在有足够的证据证明囚犯有罪时，才能进行宣判。
4. 单尾检验和双尾检验
单尾检验的拒绝域落在有可能的数据集的一侧，选择检验水平α来表示，然后确保拒绝域以相应的概率反应这个水平，尾部可以是可能是数据集的左侧或者右侧，具体在哪一侧取决于备选假设H1
如果备选假设包含一个<小于符号，则使用左尾，此时拒绝域位于数据的低端。
如果备注假设包含一个>大于符号，则使用右尾，此时拒绝域位于数据的高端。
双尾检验即拒绝域一分为二位于数据集的两侧，两侧各占α/2，总和为α。
判断是否需要使用双尾检验的方法是：查看备选假设H1,如果备选假设包含一个不等号≠，则需要使用双尾检验，这是因为我们要找到参数的变化，而不是增加和减少。
5. 效应量
效应量是指由于因素引起的差别，是衡量处理效应大小的指标。当样本容量大得到显著时，有必要报告效应量大小。效应量太小，意味着处理即使达到了显著水平，也缺乏实用价值。
（1）第一种叫做差异度量
Cohen’s d = （样本平均值1-样本平均值2) / 标准差
Cohen’s d 除以的是标准差，也就是以标准差为单位，样本平均值和总体平均值之间相差多少。
（2）第二种叫做相关度度量
例如R平方，表示某个变量的变化比例与另一变量的关系。可以用t检验的信息推出R平方的公式，这里的t值从t检验中获得的值，df是自由度。
r2=t2 / (t2+df),其中r2是指r的平方，t2是t的平方
如果r平方等于20%，表示我们可以说通过知道另一个变量能够接受相关变量20%的变化情况
为什么要给出效应量？
在我们要判断某个调查研究的结果，是否有意义或者重要时候，要考虑的使用效应量来衡量指标。效应量太小，意味着处理即使达到了显著水平，也缺乏实用价值。
所以，在假设检验过程中中，我们给出了是否具有统计显著性，也要给出效应量，一起来判断在研究的这个结果是否有意义。
效应量报告格式：d=x.xx ，R2=.xx
详细学习章节请看《深入浅出统计学》第13章 假设检验的运用