假设检验是使用统计学来确定给定假设为真的概率。 假设检验的通常过程包括如下所示的四个步骤。
步骤1
制定零假设H0（通常，观察是纯偶然的结果）和替代假设H1（通常，观察显示真实效应与机会变化的分量组合）。
步骤2
识别可用于评估零假设的真实性的检验统计量。
步骤3
计算P值，其是假设当无效假设为真时测试统计量至少与所观察到的统计量一样有效的概率。 P值越小，证据相对于零假设越强。
步骤4
将p值与可接受的显着性值α（有时称为α值）进行比较。 如果p <=α，观察到的效果是统计学显着的，则排除零假设，并且替代假设是有效的。
SAS编程语言具有执行各种类型的假设测试的特征，如下所示。
| 测试 | 描述 | SAS PROC |
|---|---|---|
| T-Test | 使用t检验来测试一个变量的平均值是否显着不同于假设值。 我们还确定两个独立组的平均值是否显着不同，以及对于依赖或配对组的平均值是否显着不同。 | PROC TTEST |
| ANOVA | 当有一个独立的分类变量时，它也用于比较均值。 当测试时，我们想要使用单因素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 |
| Chi-Square | 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发生。 如果分类变量的比例是假设值，则需要使用卡方检验。 | PROC FREQ |
| Linear Regression |
当想要测试变量预测另一个变量有效性时，使用简单的线性回归。 多元线性回归允许测试多个变量如何预测感兴趣的变量。 当使用多元线性回归时，我们另外假设预测变量是独立的。 | PROC REG |