计数与计量检验是统计学中两种基本的检验方法，它们用于评估样本数据与假设条件之间的差异，以确定是否拒绝原假设（null hypothesis）。以下是这两种检验的简要介绍：
计数检验（Categorical Data Analysis）
计数检验通常用于分析分类数据，这类数据通常表现为频数或比例。以下是一些常见的计数检验方法：
1. 卡方检验（Chi-Square Test）：
用于检验两个分类变量之间是否存在关联性。
通过比较观察频数和期望频数，判断两个变量是否独立。
2. fisher精确检验（Fisher's Exact Test）：
当样本量较小时，用于检验两个分类变量之间的关联性。
类似于卡方检验，但更适用于小样本。
3. 似然比检验（Likelihood Ratio Test）：
用于检验多个分类变量之间的关联性。
通常用于logistic回归分析。
计量检验（Continuous Data Analysis）
计量检验通常用于分析连续数据，这类数据可以取任意值。以下是一些常见的计量检验方法：
1. t检验（t-test）：
用于比较两个独立样本或配对样本的均值差异。
根据样本大小和分布，分为t-检验和z-检验。
2. 方差分析（ANOVA）：
用于比较三个或更多样本的均值差异。
根据设计，分为单因素ANOVA和两因素ANOVA。
3. 回归分析（Regression Analysis）：
用于分析一个或多个自变量对因变量的影响。
常见的回归模型包括线性回归、逻辑回归等。
在进行计数或计量检验时，需要注意以下几点：
原假设（Null Hypothesis）：假设样本数据与假设条件之间没有显著差异。
备择假设（Alternative Hypothesis）：假设样本数据与假设条件之间存在显著差异。
显著性水平（Significance Level）：通常设定为0.05，表示拒绝原假设的概率。
通过这些检验方法，研究者可以评估样本数据与假设条件之间的差异，从而得出结论。
