精確檢定

「精確檢定」提供兩種方式，可透過「交叉表」和「無母數檢定」程序來計算可用統計量的顯著性層級。 這兩種方法為「精確」和「Monte Carlo」法，在資料使用標準漸近法仍無法符合假設，造成結果不確定時，這兩種方法能幫助您取得準正確的結果。 您必須購買「精確檢定選項」才可使用這項功能。

範例。 以往從小筆資料集、稀疏或不平衡表格取得的漸近結果，其準確性可能令人懷疑。 透過「精確檢定」，可幫助您取得正確的顯著性水準，無須仰賴可能資料不符的假設。 舉例來說，某個小鎮中舉辦名額只有 20 人的消防員錄取檢定考，結果顯示五個白人取得資格，其餘名額由黑人、亞洲人和西班牙人取得。 經過皮爾遜 (Pearson) 卡方檢定後，以虛無假設為人種的自變數時，計算出的漸近顯著性水準為 0.07。 由此推斷考試結果和人種毫無關係。 但是，資料只有包含 20 個觀察值，而且多個資料格中的期望頻次是少於 5，這表示結果值得懷疑。 而且皮爾遜 (Pearson) 卡方檢定的精確顯著性水準應該為 0.04，和結論有所出入。 依據精確顯著性水準，可推斷檢定結果實際上和受試者的人種有關。 從以上例子可看出，無法達到漸近法的假設時，取得精確結果非常重要。 不管資料的大小、分佈、稀疏或平衡，精確顯著的值絕對可信。

統計量。 漸近顯著性。 具有信賴等級，或精確顯著的蒙地卡羅 (Monte Carlo) 近似法。

• 漸近。 以檢定統計量的漸近分佈為基礎的顯著性層次。 一般來說，若數值小於 0.05，即會視為顯著。 漸近顯著性是以大型資料集的假設為基礎。 如果資料集過小或分佈不佳，則可能表示顯著性不良。
• Monte Carlo 估計值。 一種精確顯著性層次的不偏估計值，計算方式是從一組維度相同，且以列及欄邊際作為觀察表格的參考表格當中重複取樣。 Monte Carlo 法可讓您估計出精確的顯著性層次，而不倚賴漸近法所需的假設。 在資料集太大而無法計算精確的顯著性層次，但資料不符合漸近法所需的假設時，此方法最有效。
• 精確。 精確計算已觀察結果或更極端結果的機率。 一般而言，若顯著性層次小於 0.05 即會視為顯著，它表示列變數與欄變數之間存在某些關係。