假设检验是使用统计数据来确定给定假设为真的概率.通常的假设检验过程包括以下四个步骤:
制定零假设H0(通常，观察结果)是纯粹机会的结果)和替代假设H1(通常，观察显示真实效果与机会变化的组成部分).
确定可用于评估零假设真实性的检验统计量.
计算P值，即假设零假设为真，即可获得至少与观察到的检验统计量相同的检验统计量的概率. P值越小，针对零假设的证据越强.
将p值与可接受的显着性进行比较值alpha(有时称为alpha值).如果p <=α，观察到的效果具有统计显着性，则排除零假设，并且备选假设有效.
SAS编程语言具有执行各种类型的功能假设检验如下所示.
| 测试 | 描述 | SAS PROC |
|---|---|---|
| T-Test | t检验用于检验一个变量的平均值是否与假设值显着不同.我们还确定两个独立组的均值是否显着不同，以及依赖或配对组的均值是否显着不同. | PROC TTEST |
| ANOVA | 当有一个独立时，它还用于比较均值分类变量.我们希望在测试时使用单因子方差分析，以查看区间因变量的均值是否根据独立的分类变量而不同. | PROC ANOVA |
| 卡方 | 我们使用卡方拟合优度来评估分类变量的频率是否可能由于偶然性而发生.无论分类变量的比例是否为假设值，都必须使用卡方检验. | PROC FREQ |
| 线性回归 | 使用简单线性回归当人们想要测试变量预测另一个变量的程度时.多线性回归允许人们测试多个变量预测感兴趣变量的程度.当使用多元线性回归时，我们还假设预测变量是独立的. | PROC REG |
