R语言单样本方差卡方检验（Chi-squared test）实现疑问咨询

现有代码的错误原因 #

• 第一版使用t.test()的实现逻辑错误：t.test()是针对总体均值的假设检验工具，你基于它的均值估计计算离均差平方和直接和假设方差比较的逻辑，完全不符合单样本方差检验的统计规范，返回的TRUE没有参考价值。
• 直接调用chisq.test()的调用方式错误：R基础包的chisq.test()默认执行卡方拟合优度检验，用于比对观测频数和理论频数的吻合度，并不支持直接传入连续型样本做方差检验。你传入样本向量后函数将其误判为计数数据，输出的p=1是无意义的错误结果，不代表原假设100%成立。

单样本方差检验的正确实现 #

单样本方差检验的核心逻辑是：原假设H₀为总体方差等于给定值σ₀²，构造检验统计量χ² = (n-1)*s²/σ₀²，该统计量服从自由度为n-1的卡方分布，基于该分布计算p值即可完成检验。

手动实现代码 #

# 预设参数
sigma2_0 <- 0.0001 # 待检验的假设总体方差
sample_data <- c(8.99, 9.01, 8.98, 9.00, 9.01)
alpha <- 0.05
n <- length(sample_data)

# 计算检验统计量
sample_var <- var(sample_data)
chisq_stat <- (n-1)*sample_var / sigma2_0

# 计算双侧检验p值
p_value <- 2 * min(
  pchisq(chisq_stat, df = n-1), 
  1 - pchisq(chisq_stat, df = n-1)
)

# 结果输出与判断
cat("卡方统计量：", round(chisq_stat,3), "\n")
cat("自由度：", n-1, "\n")
cat("p值：", round(p_value,3), "\n")
if(p_value < alpha){
  cat("显著性水平0.05下拒绝原假设，总体方差不等于", sigma2_0)
}else{
  cat("显著性水平0.05下无法拒绝原假设，没有足够证据说明总体方差不等于", sigma2_0)
}

结果说明 #

运行上述代码可得p值约为0.302，大于0.05，因此无法拒绝原假设，没有足够证据证明该样本对应的总体方差不等于0.0001。

补充说明 #

假设检验中不存在“原假设100%成立”的结论，p值仅反映原假设成立的前提下观测到当前样本的概率，p值大于显著性水平仅能说明没有足够证据拒绝原假设，不能直接证明原假设为真。

内容的提问来源于stack exchange，提问作者WPHakoon