T检验F检验和统计学意义P值或sig值想了解显著性差.docxVIP

T检验和F检验的由来 一般而言，为了确定从样本（sample统计结果推论至总体时所犯错的概率，我们 会利用统计学家所开发的一些统计方法，进行统计检定。 通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布 （probability distributen进行比较,我们可以知道在多少 %的机会下会得到 目前的结 果。倘若经比较后发现，出现这结果的机率很少，亦即是说,是在机会 很少、很罕 有的情况下才出现；那我们便可以有信心的说，这不是巧合，是具有 统计学上的意义 的（用统计学的话讲，就是能够拒绝虚无假设null hypothesis,Ho。相反，若比较后发 现，出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合，也许是巧 合，也许不是,但我们没能确定。 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就是出现目前样本这结果的机率。 统计学意义（P值或sig值 结果的统计学意义是结果真实程度（能够代表总体的一种估计方法。专业上，p 值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的 关联是 总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的 犯错概率。如p=0.05提示样本中变量关联有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，我们重复类似实验，会发现约20个实验中有一个 实验,我们所研究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%次数的相同结果，当总体中的变量存在关联， 重复研究和发现关联的可能性与设计的统计学效力有关。 在许多研究领域,0.05的 p值通常被认为是可接受错误的边界水平。 T检验和F检验 至於具体要检定的内容，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，但这差别是否能 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根本没有差别，只不过是你那麼巧抽到这2样本的数值不 同？ 为此，我们进行t检定，算出一个t检定值。 与统计学家建立的以「总体中没差别」 作基础的随机变量t分布进行比较，看 看在多少％的机会（亦即显著性sig值下会得到目前的结果。 若显著性sig值很少，比如＜0.05（少於5%机率，亦即是说，「如果」总体「真 的」没有差别，那麼就只有在机会很少（5%、很罕有的情况下，才会出现目前 这样本的情况。虽然还是有5%机会出错（1-0.05=5%,但我们还是可以「比较有信 心」的说：目前样本中这情况（男女生出现差异的情况 不是巧合,是具统计学意 义 的，「总体中男女生不存差异」的虚无假设应予拒绝，简言之,总体应该存在著差 异。 每一种统计方法的检定的内容都不相同，同样是t-检定,可能是上述的检定总 体 中是否存在差异，也同能是检定总体中的单一值是否等於 0或者等於某一个数 值。 至於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。 它主要用于：均数差别的显著 性检验、分离各有关因素并估计其对总变异的作用、 分析因素间的交互 作用、方 差齐性（Equality of Varian ces检验等情况。 3, T检验和F检验的关系 t检验过程，是对两样本均数（mean差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检验值的计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 Varia nces。 1. 在 Levenes Test for Equality of Variances—栏中 F 值为 2.36, Sig.为.128,表示 方差齐性检验「没有显著差异」，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，亦即方差齐的情况下的t检验的结果。 2. 在 t-test for Equality of Means 中，第一排（Variances=EquaI的情况:t=8.892, df=84, 2-Tail Sig=.000, Mea n Differe nce=22.99 既然Sig=.000亦即，两样本均数差别有显著性意义！ 3. 至V底看哪个 Levenes Test for Equality of Variance「栏中 s