T检验F检验和统计学意义P值或sig值想了解显著性差异的也可以来看.pdfVIP

1,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

(probabilitydistribution)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。倘如经比较后发觉，出现这结果的机率很少，亦即是说，是在

机会很少、很罕有的状况下才出现；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，就是能够拒绝虚无假设null

hypothesis,Ho)。相反，若比较后发觉，出现的机率很高，并不罕见；那我们

便不能很有信念的直指这不是巧合，或是巧合，或不是，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。

2，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牢靠指标。p值是将视察结果认为有

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。即假设总体中随意变量间均无关联，我们重复

类似试验，会发觉约20个试验中有一个试验，我们所探讨的变量关联将等

于或强于我们的试验结果。（这并不是说假如变量间存在关联，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，重复探讨和发觉关

联的可能性与设计的统计学效力有关。）在很多探讨领域，0.05的p值通常

被认为是可接受错误的边界水平。

3，T检验和F检验

至於详细要检定的内容，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，代表总体的状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，「假如」总体「真

的」没有差别，那麼就只有在机会很少(5%)、很罕有的状况下，才会出现目

前这样本的状况。虽然还是有5%机会出错(1-0.05=5%)，但我们还是可以「比

较有信念」的说：目前样本中这状况(男女生出现差异的状况)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

体应当存在著差异。

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，AnalysisofVariance)，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、分别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(EqualityofVariances)检验等状况。

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(EqualityofVariances)结果。

所以，SPSS在进t-testforEqualityofMeans的同时，也要做Levenes

TestforEqualityofVariances。

1.

在LevenesTestforEqualityofVariances一栏中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(EqualVar