置信区间

置信区间是根据样本数据，为某个未知量（比如平均值）给出的合理取值范围。百分之九十五的置信水平，并不表示真实值有百分之九十五的概率落在这一个具体区间内。它的意思是，如果我们把测量过程重复很多次，预计得到的区间中会有百分之九十五包含真实值。 试试这样：一项民意调查公布的结果为百分之四十五，误差幅度为百分之三，那么合理结果的完整范围是多少？

当你根据样本得出一个估计值时，置信区间是表达这个估计值有多大不确定性的主要工具之一。换一个样本，结果就会略有不同。置信区间给出的范围考虑了这种“抽样误差”，让你了解估计有多精确。

这个范围的宽度主要取决于两个因素：置信水平和样本量。如果你选择更高的置信水平，比如从百分之九十五提高到百分之九十九，就需要更宽的区间，精确程度也会降低。如果既想要较高的置信水平，又想要较窄、更精确的范围，就需要更大的样本量。

这个概念有很广泛的用途。在商业中，一次 A/B 测试可能显示，新功能让转化率提高了百分之三，百分之九十五的置信区间为百分之一到百分之五，这表明改善可能确实存在。在公共政策中，一份报告可能指出，失业率为百分之四点二，百分之九十的置信区间为百分之四到百分之四点四，帮助官员了解数据的精确程度。

类似地，在医学中，一项研究可能发现，某种药物能让胆固醇指标降低二十个点，百分之九十九的置信区间为十五到二十五个点。这为医生提供了一个可靠程度很高的范围，用来了解这种药物在患者群体中的预期效果，帮助他们有效安排治疗方案。

耶日·奈曼（Jerzy Neyman）在20世纪30年代提出了置信区间的概念，它是频率学派统计学的基石之一。在这个框架中，总体参数是一个固定但未知的常数，区间则是随机变量。置信水平指的是计算区间所用方法的长期成功率，而不是某个已经算出的区间包含参数的概率。人们常把它与贝叶斯统计中的“可信区间”作比较：在给定数据和先验信念的条件下，可信区间可以被理解为真实值的概率范围。

• Neyman（1937）：确立了频率学派的定义，指出参数是固定的，区间是随机的；95%指的是在大量假想的重复过程中，估计方法的成功率。[1]
• Morey 等人（2016）：认为人们很容易误解置信区间，是因为这种误解迎合了一种更直观的贝叶斯式想法：我们想表达自己对参数本身的信念。他们强调，不能仅凭一次实验的置信区间，就对参数本身的取值作出概率判断。[2]
• Cumming 与 Finch（2005）：提倡在统计推断中使用置信区间，而不只是使用 p 值。他们认为，置信区间能提供更多关于效应大小和精确程度的有用信息，帮助研究者通过“目测推断”作出更好的判断。[3]

置信区间最大的局限在于，频率学派的解释不太符合直觉，人们经常误解它，把它错误地表述为关于参数的概率判断。此外：

• 置信水平的选择（比如95%）是一种人为约定。没有客观理由说明95%比94%或96%更好。
• 区间是否有效，取决于统计模型的假设是否成立，例如随机抽样、误差服从正态分布。
• 置信区间无法告诉你，区间内某个具体数值是真实值的概率是多少；它只提供一个合理的取值范围。