การทดสอบสมมติฐานเป็นวิธีการอนุมานทางสถิติ ใช้เพื่อทดสอบว่าคำสั่งเกี่ยวกับพารามิเตอร์ประชากรมีนัยสำคัญทางสถิติหรือไม่ การทดสอบสมมติฐานเป็นเครื่องมือที่มีประสิทธิภาพในการทดสอบพลังของการคาดคะเน รายละเอียดงานของนักวิเคราะห์การเงินนักวิเคราะห์การเงินรายละเอียดงานของนักวิเคราะห์การเงินด้านล่างนี้เป็นตัวอย่างทั่วไปของทักษะการศึกษาและประสบการณ์ทั้งหมดที่จำเป็นในการว่าจ้างสำหรับงานนักวิเคราะห์ในธนาคารสถาบันหรือ บริษัท ดำเนินการพยากรณ์ทางการเงินการรายงานและการติดตามตัวชี้วัดการดำเนินงานวิเคราะห์ข้อมูลทางการเงินสร้างแบบจำลองทางการเงินตัวอย่างเช่นอาจต้องการคาดการณ์มูลค่าเฉลี่ยที่ลูกค้าจะจ่ายสำหรับผลิตภัณฑ์ของ บริษัท ของเธอ จากนั้นเธอสามารถกำหนดสมมติฐานได้เช่น“ มูลค่าเฉลี่ยที่ลูกค้าจะจ่ายสำหรับผลิตภัณฑ์ของฉันมากกว่า $ 5"ในการทดสอบคำถามนี้ทางสถิติเจ้าของ บริษัท สามารถใช้การทดสอบสมมติฐาน ตัวอย่างนี้มีการสำรวจเพิ่มเติมด้านล่าง
การทดสอบสมมติฐานเป็นส่วนสำคัญของวิธีการทางวิทยาศาสตร์ซึ่งเป็นวิธีการที่เป็นระบบในการประเมินทฤษฎีผ่านการสังเกต ทฤษฎีที่ดีคือทฤษฎีที่สามารถทำนายได้อย่างแม่นยำ สำหรับนักวิเคราะห์ที่ทำการคาดการณ์การทดสอบสมมติฐานเป็นวิธีที่เข้มงวดในการสำรองข้อมูลการคาดการณ์ของเขาด้วยการวิเคราะห์ทางสถิติ
ขั้นตอนการทดสอบสมมติฐาน
ขั้นตอนในการทดสอบสมมติฐานมีดังนี้
- ระบุสมมติฐานว่าง ( H 0 ) และสมมติฐานทางเลือก ( H a )
- พิจารณาสมมติฐานทางสถิติที่เกิดขึ้น ประเมินว่าสมมติฐานเหล่านี้สอดคล้องกับประชากรที่อยู่ภายใต้การประเมินหรือไม่ ตัวอย่างเช่นสมมติว่าการแจกแจงพื้นฐานเป็นการแจกแจงปกติที่สมเหตุสมผลหรือไม่?
- กำหนดการแจกแจงความน่าจะเป็นที่เหมาะสมและเลือกสถิติการทดสอบที่เหมาะสม
- เลือกระดับนัยสำคัญที่มักแสดงด้วยอักษรกรีกอัลฟา (α) นี่คือเกณฑ์ความน่าจะเป็นที่สมมติฐานว่างจะถูกปฏิเสธ
- ขึ้นอยู่กับระดับนัยสำคัญและในการทดสอบที่เหมาะสมระบุกฎการตัดสินใจ
- รวบรวมข้อมูลตัวอย่างที่สังเกตได้และใช้ในการคำนวณสถิติการทดสอบ
- จากผลลัพธ์ของคุณคุณควรปฏิเสธสมมติฐานว่างหรือล้มเหลวในการปฏิเสธสมมติฐานว่าง สิ่งนี้เรียกว่าการตัดสินใจทางสถิติ
- พิจารณาประเด็นทางเศรษฐกิจอื่น ๆ ที่ใช้กับปัญหา สิ่งเหล่านี้ไม่ใช่ข้อพิจารณาทางสถิติที่จำเป็นต้องได้รับการพิจารณาเพื่อตัดสินใจ ตัวอย่างเช่นบางครั้งการเปลี่ยนแปลงทางวัฒนธรรมของสังคมทำให้พฤติกรรมของผู้บริโภคเปลี่ยนแปลงไป สิ่งนี้จะต้องนำมาพิจารณาเพิ่มเติมจากการตัดสินใจทางสถิติสำหรับการตัดสินใจขั้นสุดท้าย
การระบุสมมติฐานที่เป็นโมฆะและสมมติฐานทางเลือก
โดยปกติสมมติฐาน Null จะตั้งเป็นสิ่งที่เราไม่ต้องการให้เป็นจริง เป็นสมมติฐานที่จะทดสอบ ดังนั้นสมมติฐาน Null จึงถือว่าเป็นความจริงจนกว่าเราจะมีหลักฐานเพียงพอที่จะปฏิเสธ ถ้าเราปฏิเสธสมมติฐานว่างเราจะนำไปสู่สมมติฐานทางเลือก
กลับไปที่ตัวอย่างเบื้องต้นของเจ้าของธุรกิจที่กำลังมองหาข้อมูลเชิงลึกของลูกค้า สมมติฐานว่างของเธอคือ:
H 0 : มูลค่าเฉลี่ยที่ลูกค้ายินดีจ่ายสำหรับผลิตภัณฑ์ของฉันน้อยกว่าหรือเท่ากับ $ 5
หรือ
H 0 : µ ≤ 5
( µ = ค่าเฉลี่ยประชากร)
สมมติฐานทางเลือกจะเป็นสิ่งที่เรากำลังประเมินดังนั้นในกรณีนี้มันจะเป็น:
H a : มูลค่าเฉลี่ยที่ลูกค้ายินดีจ่ายสำหรับผลิตภัณฑ์นั้นมากกว่า $ 5
หรือ
H a : µ> 5
สิ่งสำคัญคือต้องเน้นว่าสมมติฐานทางเลือกจะได้รับการพิจารณาก็ต่อเมื่อข้อมูลตัวอย่างที่เรารวบรวมมานั้นมีหลักฐานยืนยัน
ข้อผิดพลาด Type I และ Type II คืออะไร?
ลักษณะทวิภาคของการตัดสินใจของเราที่จะปฏิเสธหรือล้มเหลวในการปฏิเสธสมมติฐานว่างทำให้เกิดข้อผิดพลาดที่เป็นไปได้สองข้อ ตารางด้านล่างแสดงผลลัพธ์ที่เป็นไปได้ทั้งหมดError Type Iเกิดขึ้นเมื่อจริงสมมติฐานถูกปฏิเสธความน่าจะเป็นของการเกิดข้อผิดพลาด Type I เรียกอีกอย่างว่าระดับนัยสำคัญของการทดสอบซึ่งโดยทั่วไปเรียกว่าอัลฟา (α) ตัวอย่างเช่นหากการทดสอบที่ตั้งค่าอัลฟาเป็น 0.01 มีความเป็นไปได้ 1% ที่จะปฏิเสธสมมติฐานว่างที่แท้จริงหรือความน่าจะเป็น 1% ที่จะทำให้เกิดข้อผิดพลาดประเภท I
Error Type IIเกิดขึ้นเมื่อคุณล้มเหลวในการปฏิเสธสมมติฐานเท็จ ความน่าจะเป็นของการเกิดข้อผิดพลาด Type II มักแสดงด้วยอักษรกรีกเบต้า (β) βใช้เพื่อกำหนดพลังของการทดสอบซึ่งเป็นความน่าจะเป็นของการปฏิเสธสมมติฐานว่างเท็จอย่างถูกต้อง พลังของการทดสอบถูกกำหนดให้เป็น1-β การทดสอบที่มีกำลังมากกว่าเป็นที่ต้องการมากกว่าเนื่องจากมีความเป็นไปได้น้อยกว่าที่จะเกิดข้อผิดพลาด Type II อย่างไรก็ตามมีการแลกเปลี่ยนระหว่างความน่าจะเป็นที่จะเกิดข้อผิดพลาด Type I และความน่าจะเป็นที่จะเกิดข้อผิดพลาด Type II
ตัวอย่างการทดสอบสมมติฐาน
ลองกลับไปที่ตัวอย่างเจ้าของธุรกิจ ให้เราจำคำถามที่เราพยายามจะตอบ:
ถาม: “ โดยเฉลี่ยแล้วลูกค้าจะจ่ายมากกว่า $ 5 สำหรับผลิตภัณฑ์ของเราหรือไม่”
1.เราได้ตั้งค่าเหนือทั้งสมมติฐานว่างและสมมติฐานทางเลือก
H 0 : µ ≤ 5
H a : µ> 5
2.สำหรับตัวอย่างนี้สมมติว่า บริษัท ขายน้ำแอปเปิ้ลออร์แกนิกแบบกล่อง มีการบริโภคโดยผู้บริโภคที่หลากหลายทุกเพศทุกวัยระดับรายได้และภูมิหลังทางวัฒนธรรม ดังนั้นเนื่องจากผลิตภัณฑ์ของเรามีการใช้กันอย่างแพร่หลายในกลุ่มผู้บริโภคที่หลากหลายโดยถือว่าการกระจายสินค้าตามปกตินั้นยุติธรรม
3.สมมติว่าการรับตัวอย่างจากผู้บริโภคของเราเราจะจัดการให้ได้มากกว่า 100 ข้อสังเกต เนื่องจากเรามั่นใจกับสมมติฐานของการแจกแจงปกติสำหรับประชากรพื้นฐานและมีการสังเกตจำนวนมากเราจะใช้ z-test
4.เราต้องการมั่นใจในผลลัพธ์ของเราดังนั้นให้เราเลือกระดับนัยสำคัญของเราเป็นα = 5% ซึ่งจะเป็นหลักฐานที่ชัดเจนเกี่ยวกับผลลัพธ์ของเรา
5.เรากำลังใช้ Z-ทดสอบที่มีระดับนัยสำคัญและสมมติฐานคือμ≤ 5ดังนั้นประเด็นการปฏิเสธของเราจะZ 0.05 = 1.645 ซึ่งหมายความว่าหากคะแนน z ที่คำนวณจากตัวอย่างของเรามีค่ามากกว่า1.645 เราจะปฏิเสธสมมติฐานว่าง
6.ตอนนี้สมมติว่าเรามีการเก็บรวบรวมข้อมูลของเราและจากกลุ่มตัวอย่าง 100 สังเกตของเราที่ราคาเฉลี่ยที่ลูกค้ายินดีที่จะจ่ายสำหรับน้ำผลไม้ของเราเป็น$ 5.02และค่าเบี่ยงเบนมาตรฐานตัวอย่างเป็น$ 0.10 ตอนนี้เราสามารถคำนวณ z-score สำหรับตัวอย่างของเราโดยที่เราได้ค่า2 ที่กำหนดโดย[(5.02 - 5) / (0.1 / √ 100)]
7.เนื่องจาก z ที่คำนวณได้ของเรามีค่ามากกว่าz 0.05 = 1.645เรามีหลักฐานที่ชัดเจนในการปฏิเสธสมมติฐานว่างที่ระดับนัยสำคัญ 5% จากนั้นเราก็เห็นด้วยกับสมมติฐานทางเลือกว่าเขามีมูลค่าเฉลี่ยที่ลูกค้ายินดีจ่ายสำหรับผลิตภัณฑ์มากกว่า $ 5
8.ตอนนี้เราต้องคำนึงถึงประเด็นทางเศรษฐกิจหรือเชิงคุณภาพที่ไม่ได้รับการแก้ไขผ่านกระบวนการทางสถิติ โดยปกติแล้วตัวแปรเหล่านี้เป็นตัวแปรที่ไม่สามารถวัดปริมาณได้ซึ่งต้องได้รับการแก้ไขเมื่อทำการตัดสินใจตามผลการวิจัย ตัวอย่างเช่นหากคู่แข่งรายใหญ่ที่สุดกำลังจะลดราคาของผลิตภัณฑ์คู่แข่งลงอย่างมากนั่นอาจทำให้มูลค่าเฉลี่ยที่ผู้บริโภคยินดีจ่ายสำหรับผลิตภัณฑ์ของคุณลดลง
แหล่งข้อมูลเพิ่มเติม
หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับหัวข้อที่เกี่ยวข้องกับการทดสอบสมมติฐานโปรดดูแหล่งข้อมูลในเว็บไซต์ Royal Statistics Society
Finance มีโปรแกรม Financial Modeling & Valuation Analyst (FMVA) ™FMVA® Certification เข้าร่วมกับนักเรียนกว่า 350,600 คนที่ทำงานใน บริษัท ต่างๆเช่นโปรแกรมการรับรอง Amazon, JP Morgan และ Ferrari สำหรับผู้ที่ต้องการยกระดับอาชีพของตนไปอีกขั้น เพื่อให้เรียนรู้และก้าวหน้าในอาชีพการงานของคุณแหล่งข้อมูลด้านการเงินต่อไปนี้จะเป็นประโยชน์เช่นกัน:
- นักวิเคราะห์การวิจัยนักวิเคราะห์การวิจัยนักวิเคราะห์การวิจัยมีหน้าที่ในการวิจัยวิเคราะห์ตีความและนำเสนอข้อมูลที่เกี่ยวข้องกับตลาดการดำเนินงานการเงิน / บัญชีเศรษฐศาสตร์และลูกค้า
- อภิธานศัพท์คณิตศาสตร์การเงินอภิธานศัพท์คณิตศาสตร์การเงินนี้ครอบคลุมคำศัพท์และคำจำกัดความที่สำคัญที่สุดที่จำเป็นสำหรับอาชีพในฐานะนักวิเคราะห์การเงิน รายการนี้นำมาจากหลักสูตรคณิตศาสตร์การเงินของการเงิน
- Fibonacci Numbers Fibonacci Numbers คือตัวเลขที่พบในลำดับจำนวนเต็มที่นักคณิตศาสตร์ Leonardo Fibonacci ค้นพบ / สร้างขึ้น ลำดับคืออนุกรมของตัวเลข
- AVERAGE ฟังก์ชัน Excel ฟังก์ชัน AVERAGE คำนวณค่าเฉลี่ยใน Excel ฟังก์ชัน AVERAGE ถูกจัดหมวดหมู่ภายใต้ฟังก์ชันทางสถิติ มันจะส่งกลับค่าเฉลี่ยของอาร์กิวเมนต์ ใช้ในการคำนวณค่าเฉลี่ยเลขคณิตของอาร์กิวเมนต์ที่กำหนด ในฐานะนักวิเคราะห์ทางการเงินฟังก์ชันนี้มีประโยชน์ในการหาค่าเฉลี่ยของตัวเลข