T检验、F检和P值详述.docxVIP

T检验、F检验和P值一、T检验、F检验和统计学意义（P值或sig值）1、T检验和F检验的由来一般而言，为了肯定从样本（sample）统计结果推论至总体时所犯错的概率，我们会应用统计学家所开发的一些统计办法，进行统计检定。通过把所得到的统计检定值，与统计学家树立了一些随机变量的概率分布（probability distribution）进行对比，我们可以知道在多少%的机遇下会得到目前的结果。倘若经比较后发现，涌现这结果的机率很少，亦即是说，是在时机很少、很罕有的情况下才呈现；那我们便可以有信念的说，这不是巧合，是具有统计学上的意义的（用统计学的话讲，就是能够谢绝虚无假设。相反，若对比后发明，涌现的机率很高，并不罕见；那我们便不能很有信念的直指这不是偶合，也许是偶合，也许不是，但我们没能肯定。F值和t值就是这些统计检定值，与它们相对应的概率分布，就是F分布和t分布。统计显著性（sig）就是呈现目前样本这结果的机率。2、统计学意义（P值或sig值）成果的统计学意义是结果真实水平（能够代表总体）的一种估量方式。专业上，p值为结果可信水平的一个递减指标，p值越大，我们越不能以为样本中变量的关联是总体中各变量关联的可靠指标。p值是将察看结果觉得有效即具有总体代表性的犯错概率。如p=0.05提醒样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们反复相似试验，会发明约20个试验中有一个试验，我们所研讨的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的雷同结果，当总体中的变量存在关联，反复钻研和发明关联的可能性与设计的统计学效率有关。）在许多钻研范畴，0.05的p值通常被以为是可接收过错的边界程度。3、T检验和F检验至于具体要检定的内容，须看你是在做哪一个统计程序。举一个例子，比如，你要检验两独立样本均数差异是否能推论至总体，而行的t检验。两样本（如某班男生和女生）某变量（如身高）的均数并不相同，但这区别是否能推论至总体，代表总体的情况也是存在著差异呢？会不会总体中男女生基本没有区别，只不过是你那么巧抽到这两样本的数值不同？为此，我们进行t检定，算出一个t检定值。与统计学家树立的以「总体中没差异」作基本的随机变量t散布进行比拟，看看在多少%的机遇（亦即明显性sig值）下会得到目前的成果。若显著性sig值很少，比如每一种统计方式的检定的内容都不雷同，同样是t检定，可能是上述的检定总体中是否存在差别，也可能是检定总体中的单一值是否等于0或者等于某一个数值。至于F检定，方差分析（或译变异数分析，Analysis of Variance），它的原理大致也是上面说的，但它是透过检视变量的方差而进行的。它重要用于：均数差异的明显性检验、分别各有关因素并估量其对总变异的作用、剖析因素间的交互作用、方差齐性（Equality of Variances）检验等情形。?4、T检验和F检验的关系t检验进程，是对两样本均数（mean）区别的显著性进行检验。惟t检验须知道两个总体的方差（Variances）是否相等；t检验值的盘算会因方差是否相等而有所不同。也就是说，t检验须视乎方差齐性（Equality of Variances）结果。所以，SPSS在进行t-test for Equality of Means的同时，也要做Levenes Test for Equality of Variances 。（1）在Levenes Test for Equality of Variances一栏中 F值为2.36， Sig.为.128，表现方差齐性检验「没有显著差别」，即两方差齐（Equal Variances），故下面t检验的结果表中要看第一排的数据，亦即方差齐的情形下的t检验的结果。（2）在t-test for Equality of Means中，第一排（Variances=Equal）的情况：t=8.892，df=84， 2-Tail Sig=.000， Mean Difference=22.99既然Sig=.000，亦即，两样本均数差别有显著性意义！（3）到底看哪个Levenes Test for Equality of Variances一栏中sig，还是看t-test for Equality of Means中那个Sig. （2-tailed）啊？答案是两个都要看。先看Levenes Test for Equality of Variances，如果方差齐性检验「没有明显差别」，即两方差齐（Equal Variances），故接著的t检验的结果表中要看第一排的数据，亦即方差齐的情形下的t检验的结果。反之，如果方差齐性检验「有显著差异」，即两方差不齐（Unequal Varianc