2符合正态分布的话,继续进行独立样本T检验；
3独立样本体检验的结果显示中,SIG小于005的话说明两组数据方差非齐性,这时要看t-test的第二行的sig值,如果小于005,说明两组数据的平均数存在显著差异,去上面的描述统计表中找到平均数情况,平均数大的那组数据对性能影响更大
4独立样本T检验只能说明你那两组数据的平均数是否具有显著性差异,不能说明某一因素对性能有影响；想要探究影响,先做相关分析,再做回归分析,这样就知道有没有影响了
5如果不确定您的数据是否是影响性能的因素,您还需要重新编制问卷,进行因子分析,最终得到一个完美的答案
t检验常能用作检验回归方程中各个参数的显著性，而f检验则能用作检验整个回归关系的显著性。各解释变量联合起来对被解释变量有显著的线性关系，并不意味着每一个解释变量分别对被解释变量有显著的线性关系。
两者结果间的差异有5次以上是由抽样误差造成的，则“无效假设”成立，可认为两组间的差异为不显著，常记为p>005。
若两者结果间的差异5次以下是由抽样误差造成的，则“无效假设”不成立，可认为两组间的差异为显著，常记为p≤005。如果p≤001，则认为两组间的差异为非常显著。
扩展资料：
显著性检验的基本原理是提出“无效假设”和检验“无效假设”成立的几率（P）水平的选择。所谓“无效假设”，就是当比较实验处理组与对照组的结果时，假设两组结果间差异不显著，即实验处理对结果没有影响或无效。
经统计学分析后，如发现两组间差异是抽样引起的，则“无效假设”成立，可认为这种差异为不显著（即实验处理无效）。若两组间差异不是由抽样引起的，则“无效假设”不成立，可认为这种差异是显著的（即实验处理有效）。
参考资料来源：百度百科-显著性检验
1、T值表示：逐个检验各自变量（回归）。
2、Sig值包含p值。无论数据（sig）的显著性是“显著性”、“中度显著性”还是“高度显著性”，都需要将P值与显著性水平（005或001）进行比较。如果P值是001。
3、F值表示：方差检验量，即整个模型的总体检验。
4、P值表示：用于确定假设检验结果的参数。还可以利用分布的拒绝域，根据不同的分布对其进行比较。
T-test
T检验，这是1905年wsoosset氏首先提出的，当时他以“Student”为笔名发表，故至今有的书籍仍称之为“学生氏检验”。t可能是倍数的意思(times)，t就是样本均数SX(x)与总体均数(“)间相距几倍标准误(sx)。t检验是用于比较两均数间相差是否显著的。
t检验须视乎方差齐性(EqualityofVariances)结果。所以，SPSS在进行t-testforEqualityofMeans的同时，也要做Levene'sTestforEqualityofVariances。
百度百科-显著性
一般情况下，在 T 检验中，T 值大于2 即可判断通过了显著性检验，相当于 P 值小于 005。
1、T 检验 的适用条件：
（1）已知一个总体均数；
（2）可得到一个样本均数及该样本标准差；
（3）样本来自正态或近似正态总体 。
2、T 检验 可分为单总体检验和双总体检验，以及配对样本检验 。
（1）单总体检验：
单总体t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布。
（2）双总体检验：
双总体t检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t检验又分为两种情况，一是独立样本t检验（各实验处理组之间毫无相关存在，即为独立样本），该检验用于检验两组非相关样本被试所获得的数据的差异性；一是配对样本t检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。
（3）配对样本检验：
配对样本t检验可视为单样本t检验的扩展，不过检验的对象由一群来自常态分配独立样本更改为二群配对样本之观测值之差。
扩展资料：
T 检验 的注意事项：
1、选用的检验方法必须符合其适用条件；
2、区分单侧检验和双侧检验。
3、假设检验的结论不能绝对化。
4、正确理解P值与差别有无统计学意义。
5、假设检验和可信区间的关系结论具有一致性差异：提供的信息不同区间估计给出总体均值可能取值范围，但不给出确切的概率值，假设检验可以给出H0成立与否的概率。
6、涉及多组间比较时，慎用t检验。
参考资料来源：百度百科 - T 检验
T值就是这些统计检定值，与它们相对应的概率分布，就是t分布。统计显著性（sig）就是出现目前样本这结果的机率。
P值代表结果的可信程度，P越大，就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=005提示样本中变量关联有5%的可能是由于偶然性造成的。
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 distribution)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。
R·A·Fisher（1890-1962）作为一代假设检验理论的创立者，在假设检验中首先提出P值的概念。他认为假设检验是一种程序，研究人员依照这一程序可以对某一总体参数形成一种判断。也就是说，他认为假设检验是数据分析的一种形式，是人们在研究中加入的主观信息。（当时这一观点遭到了Neyman-Pearson的反对，他们认为假设检验是一种方法，决策者在不确定的条件下进行运作，利用这一方法可以在两种可能中作出明确的选择，而同时又要控制错误发生的概率。这两种方法进行长期且痛苦的论战。虽然Fisher的这一观点同样也遭到了现代统计学家的反对，但是他对现代假设检验的发展作出了巨大的贡献。）
Fisher的具体做法是：
假定某一参数的取值。
选择一个检验统计量(例如z 统计量或Z 统计量) ，该统计量的分布在假定的参数取值为真时应该是完全已知的。
从研究总体中抽取一个随机样本计算检验统计量的值计算概率P值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
如果P<001，说明是较强的判定结果，拒绝假定的参数取值。
如果001<P值<005，说明较弱的判定结果，拒绝假定的参数取值。
如果P值>005，说明结果更倾向于接受假定的参数取值。
可是，那个年代，由于硬件的问题，计算P值并非易事，人们就采用了统计量检验方法，也就是我们最初学的t值和t临界值比较的方法。统计检验法是在检验之前确定显著性水平α，也就是说事先确定了拒绝域。但是，如果选中相同的，所有检验结论的可靠性都一样，无法给出观测数据与原假设之间不一致程度的精确度量。只要统计量落在拒绝域，假设的结果都是一样，即结果显著。但实际上，统计量落在拒绝域不同的地方，实际上的显著性有较大的差异。
因此，随着计算机的发展，P值的计算不再是个难题，使得P值变成最常用的统计指标之一。
参考资料来源：百度百科-t检验百度百科-P值
问题一：怎么看相关系数显著性检验表？ 这里主要关注两个信息就够了，一个是n，那就是你的样本容量，比如n=100的话就是有100个被试，也即100组配对的数据。根据你的样本量找到检验表里对应的行。另一个就是根据你定的显著性水平来看显著性，一般005水平就够了，比如n=100显著性水平alpha=005时，相关系数显著性的临界值为0195，也就是说这个条件下，只要相关系数r的绝对值在0195以上，就可以认为此相关系数在005水平上显著。另外，一般报告的原则是，报告统计量所达到的最高显著性水平，也就是如果你的数据达到001水平的显著，就不要说它在005水平显著了
问题二：如何确定显著性水平 005和001是通常使用的值，可以理解为国际惯例。另户可以根据实际需要选大于005或者小于001的值。
问题三：spss如何设置显著性水平 具体的p值你能够看到的，既然小于001了，肯定就是小于005啊
我替别人做这类的数据分析蛮多的
问题四：夏天如何避暑？ 有钱的话,到避暑圣地比如庐山去
没钱的话,在家里开空调
爱学习可以到图书馆去看书,享用免费冷气
爱逛街,可以去大型商场逛个够
实在都不爱,去游泳吧又凉爽,又可以晒一身古天乐般的古铜色皮肤很白的皮肤是不健康的啊!
问题五：高分求教t显著性水平怎么看？？？？高手详细说下，看了半天没看出来。 显著性水平就是那个sig值，不都是0么，怎么会没有达到显著水平001啊，应该都显著的啊。
问题六：如何判断t检验值是否显著 你这个小括号里面统计的是不是t检验值？如果是，那么两组在不同处理下，都显示差异显著。
t值小于005即为显著。
问题七：spss显著性检验结果怎么看，求大神帮助 5分 你没有做方差齐性检验吗？
没有方差齐性检验的结果，骸个F检验的结果是不可靠的
我替别人做这类的数据分析蛮多的这个貌似不用设的，你可以想一下相关系数下面的P值，如果P<010就是你说的那种10%显著性水平上显著的，自己挂上一个就行了，P<005是就是5%显著，挂，P<001就是喽
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）