（ 2） 初步资料搜集： 访谈、文献查阅 否
（ 8） 假设检验： 假设是否被验 证？ 研究问题是否 得到解答？
是 （ 9） 撰写报告 （10） 提交报告 （11） 作出管理 决策
11
会计研究中的假设举例


此处所说的“研究”不限于学术研究或 理论研究，也适用于解决会计实务界出 现的问题。 注意： 研究假设与统计假设不是一回事！
12
例1


在研究“资本结构的影响因素”时，可 提出以下研究假设： 假设1：资本结构与企业绩效显著相关 假设2：资本结构与企业规模显著相关 假设3：资本结构与企业成长性显著相关
13
例2：


研究硕士毕业生在企业工作绩效方面与 本科毕业生是否有显著差异，可提出如 下研究假设： 假设1：硕士毕业生与本科毕业生在工作 绩效方面存在显著差异

出于数学上的需要，原假设总是包含等号 “=” ，例如：
H0: 3
H1: < 3


H0: < 3
H1: 3

又如：
H0:总体服从正态分布 H1:总体不服从正态分布 H0:总体不服从正态分布 H1:总体服从正态分布


6
假设检验的两类错误

1. 第一类错误


否真错误(针对原假设)——本来原假设是正 确的，却被拒绝。 出现第一类错误的概率记为
27




我们作出了“拒绝H0，接受H1”的结论。 尽管此推断不能保证100%正确，但其出 错的可能不超过10%。 前面所说的10%就是所谓的“显著水 平”。
8
两类此错误（ 与 ） 的逆向关系
不能同时降低两类错误! 来自9假设检验在科学研究方法中的 关键作用
10
（ 1） 观察：确认宽泛 的研究范围
（ 3） 问题界定： 描述研究
（ 4） 理论框架： 对变量进行清 楚的辨识与归类
（ 5） 提出假设
（ 6） 研究设计
（ 7） 资料的收集、 分析与解释
16
3.统计检验概述
统计检验的基本原理
17
还记得中学学过的“反证法” 吗？

我们不知到“命题A”是否正确，我们先 假定它正确，如果由此产生矛盾，那么 我们就认为“当初假定命题A正确”是不 对的，因而应判定命题A是不成立的。
18
例：假设检验原理与p-值


为研究某高校“英语统考成绩”，随机抽取20名 同学，其考试成绩如下： 87，82，80，80，74，82，74，75，86，88， 81，86，92，84，88，77，79，79，83，85 已知英语统考成绩服从正态分布，我们关心 该校英语统考成绩是否达到84分的优秀标准。 提出如下假设： H0： μ≥84 该校平均成绩不低于84分 H1： μ<84 该校平均成绩低于84分

如果H0成立，t值不应该太低。
H1成立时 H0成立时
t
21

上面的分析可得下面结论： 如果我们假定H0成立，在这种情况下， t值不应太低
22
进一步，我们可知，如果原假设成立，t小于 -1.33的概率仅为10%。 当原假设成立时t统计量分布
0.10
-1.33
0
t
23

如果我们将发生的可能性只有10%的事 件视为“小概率”事件——在一次观察 中不会遇到，那么我们在一次抽样观察 中，不会遇到t小于-1.33这种情况。


一个称为零假设或原假设（The Null Hypothesis）， 记为H0 另一个称为对立假设、备择假设（The Alternative Hypothesis），记为H1

2.从总体中抽取少数个体（一组样本） 3.根据样本判断接受H0还是接受H1（此说法有 些不严格，后面进一步解释！）
5
所提出的一对假设，何者为零假设？
统计检验原理 与 分布正态性检验
1
第一节 假设检验概述
2
一、假设检验的基本原理
3
1.什么是统计学中的假设?

假设是对总体的某种推断

例：
上市公司2005年平均利润率≥10%
上市公司2005年资产负债率服从正态分布
4
什么是假设检验？

假设检验——利用样本推断总体 1.提出一对假设，
24


本例中，样本为： 87，82，80，80，74，82，74，75，86， 88，81，86，92，84，88，77，79，79， 83，85 样本平均值X为82.1，标准差S为4.98 代入前述公式，可计算出t值： t=-1.705
25

这说明，我们做的一次抽样观察中，出 现了t小于-1.33这种情况。与前面的分析 相矛盾，因此前面假定H0成立出现了问 题，因而应拒绝H0，接受H1。
19

考虑以下指标（统计量）：
X 84 t S / 20
其中：X 为样本均值 S为样本标准差 思考：该指标有何特点？ H0成立与H1成立时，一般t值有何不同？

20
X 84 t S / 20

该指标的特点：

当H0成立时，一般t值为正，且较大； 当H1成立时，一般t值为负，且绝对值较大；

等于显著性水平 Level of Significance

2. 第二类错误


存伪错误(针对原假设)——本来原假设是错 误的，却被接受。 出现第二类错误的概率为 7
统计推断结果的四种情形
实际情况如何，我们实 际是不知道的！
实际情况 决策 不拒绝 H0 拒绝 H0 H0 为真 H0为假 正确 第一类 错误 () 第二类 错误 () 正确

此类研究通常需要通过问卷方式测量“绩效”
14
例3：


在研究股权激励对绩效的影响时，提出 以下研究假设： 假设1：高管持股越多，工作绩效越高。 假设2：………… 假设3：…………
15
例4：




研究现金股利偏好的影响因素时，提出 以下研究假设： 假设1：股权集中度越高，公司越倾向发 放现金股利。 假设2：获利能力越强，公司越倾向发放 现金股利。 假设3：…………
26

简要总结：
我们先假定原假设H0成立，在这种情况 下，t值低于 -1.33的可能性只有10%。 如果我们认为发生的可能性只有10%的 事件在一次观察中是不会遇到的，那么 H0成立时，是不会遇到t值低于 -1.33的情 况。而本例恰恰遇到的这种情况，因此 应否定H0，接受H1。(这种情况称为检验 的结果是“显著”的——原假设显著不 成立。)