簡介
統計假設檢驗就是證明或推翻關於一定客體、現象和過程所研究特徵的統計上相互聯繫假說的一種程式。統計假設就是關於總體屬性的假設，這一假設可根據抽樣觀察資料進行檢驗。受到檢驗的這個假設就是關於統計上相互聯繫的和特徵值分布的假設。譬如，被研究的特徵值的集合（專業工會或受中等專業教育的工人數）按常態分配的這一假說就是統計假設。在社會學研究中經常檢驗兩個特徵分布的同一性假設，平均值、方差相等的假設，某一客體屬於一定總體的假設等等。統計假設檢驗過程就是從統計上證明所提假設的真實性（虛無性）。
主要特徵
對所研究的未知或部分未知總體提出一些假設，由樣本的實際結果經過一定計算作出機率意義上應當接受何種假設的檢驗即為統計假設檢驗。對於多元回歸模型來說，需同時通過擬合優度、回歸方程的顯著性、各變數參數的顯著性、多重共線性、自相關等多種檢驗。但對於一元模型來說，只要進行其中的一項檢驗即可，因為一元模型中只有一個自變數，其作用就是其他模型中所有變數作用的總效果。
具體步驟
例如某小麥品種的平均千粒重μ=36克，標準差σ=0.9克，若在小麥生育後期用KHPO進行根外追肥，成熟後測得10個樣品的平均千粒重=37.9克，那么-μ=1.9克是根外追肥的效果還是隨機抽樣誤差？統計假設檢驗可以對此作出回答。其具體步驟如下：
①提出無效假設H，即實得差異（與μ之差）由誤差造成的；備擇假設H，即實得差異由總體參數不同所致，它與H相對立。
②選取統計量，明確其分布。
③確定顯著性水平α，即否定H的機率水準。農化研究中α常取0.05或0.01。
④在H為正確的假設下，由統計量的抽樣分布算出實得差異屬於隨機誤差的機率p。
⑤根據“小機率的實際不可能性原理”，當P≤α時則在α水平上否定H接受H，推斷實得差異由總體參數不同所致；若P≥α則接受H否定H，推斷實得差異屬於隨機誤差。
注意事項
要進行統計假設的檢驗， 必須利用各種不同的判據， 即利用規則來選擇。假設的採用與拒絕， 通常在判據的前件中應有某個數量指標（稱為統計判據）。根據判據方式， 假設分為參數假設和非參數假設。按照參數統計結論， 通常應提出被研究特徵在總體中分布的具體形式， 因為在這種情況下， 統計學通常是以分布參數（平均值、方差、回歸係數）的利用為依據的。非參數判據的優點是能把判據用於只靠名義級或次序級完成的特徵度量上。
否定零假設的判據值總體能構成否定域。如果某一點能將否定域與接受零假設的區域劃分開來， 這一點就稱為臨界點。
