请问在spss统计中，f 是指什么值？sig是指什么值？df 指什么值？急求，谢谢

1、F值是F检验的统计量，是组间与组内的离差平方和与自由度的比值。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 Variances)检验等情况。

2、sig值是指显著性（significance）也就是P值，统计显著性（sig）就是出现目前样本这结果的机率。

若显著性sig值很小，比如<005(小于5%机率)，  亦即是说，如果总体“真的”没有差别，那么就只有在机会很少(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，但还是可以“比较有信心”的说：  目前样本中这情况不是巧合，是具统计学意义的。

3、df是自由度，指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的自变量的个数，称为该统计量的自由度。

Spss中方差分析结果表如下图所示，df为自由度，F为F值，sig为P值。

扩展资料：

sig值，即P值，通常用 P>005 表示差异性不显著；001<P<005 表示差异性显著；P<001表示差异性极显著。通常情况下，实验结果达到005水平或001水平，才可以说数据之间具备了差异显著或是极显著。在作结论时，应确实描述方向性（例如显著大于或显著小于）。

参考资料：

百度百科——F检验（F值）

百度百科——P值（sig）

t检验不用事后检验吧，f检验就要进行事后检验。你这个只能用t检验，要原始数据，这个好像是常模吧，你弄这个没什么用，你要是用到这个人格的问卷，每个维度必须分别和男性常模比较，然后每个维度和女性常模比较，然后p值用双测，在spss中用的是单样本的t检验。一来你就不知道怎么用数据，初学者。如果还不懂，hi我！

F是对建立的回归方程做检验，这里F值是126502，相应的显著性概率小于0001（边上的sig显示是000，并不能说明是0，因为只显示小数点后三位，可能第四位不是0），所以即使显著性水平取001，方程也能通过显著性检验，即认为方程是显著的，所有自变量对响应变量有显著的解释能力。
上面的F检验只是说明所有的自变量对响应变量的解释是好的，但是并不代表每一个自变量对响应变量有显著的解释能力，t 则是对每一个自变量做检验，所构造的检验统计量服从t 分布，t 下面的值则是各个自变量的相应的检验统计量的值，右边一列的Sig值若大于事先取定的显著性水平，则该自变量对响应变量的影响是不显著的，小于显著性水平，则是显著的。
常量是线性回归方程的常数项，或称截距项。

众所周知，对于一元线性回归模型，F 检验与t 检验是等价的； 而对于二元以上的多元回归模型， 解释变量的整体对被解释变量的影响是显著的，并不表明每一个解释变量对它的影响都显著。
因此在做完F 检验后还须进行t 检验。

在建立多元线性回归模型时，t 检验是用于检验回归方程各个参数是否显著为0 的单一检验，F 检验是检验所有解释变量的系数是否同时为0 的联合检验。

t 统计量与F 统计量的构造原理及其概率分布都是不一致的，前者直接考虑参数的估计量是否“足够”接近于0，服从t 分布；后者则是从总离差平方和分解式出发，以回归平方与残差平方和的比值来推断解释变量整体对被解释变量的线性影响是否显著，服从F分布。因此，就一般而言，t 检验与F 检验不等相互替代。

事实上，在回归分析中，可能出现回归结果具有很高的F 统计量值，方程通过F 检验，同时所有解释变量均不能通过t 检验的情形； 也可能出现有些或全部解释变量通过t 检验，而方程却不能通过F 检验的情形。

若所有解释变量均通过t 检验，那么回归方程也能通过F 检验。如果回归方程不能通过F 检验，则至少有一个解释变量不能通过t 检验，但并不能推出所有解释变量均不能通过t 检验的结论。若所有解释变量均通过t 检验，那么回归方程也能通过F 检验。

以上回答全部摘自：《回归分析中t 检验与F 检验关系的进一步探讨》作者：靳庭良1，张宝青2
此处提出本人看法：可以理解为：t检验是检验单个变量对回归方程是否显著的，而F检验，是检验所有变量总体影响之和是否对回归方程的贡献显著。也因此，只有F检验通过，就可以采用此回归方程，认为此回归方程可以反映众多应变量的综合效应。而且，只是没有通过t检验的这几个自变量对此回归方程的影响不大。 不过除此之外，我们也可以采取另一选择，即：虽然通过F检验，但是t检验有几个是没有通过的，这时我们采用剔除这几个对回归曲线贡献为0的自变量，然后重新进行求线性回归方程，相当于SPSS求回归曲线方法里的stepwise法。（我的这些推论可以有较大问题，仅供参考，我也急于求解，希望有高手斧正！！）

F值是F检验的统计量，也就是组间和组内的离差平方和与自由度的比值，显著性就是与F统计量对应的显著性水平，0001说明拒绝原假设，即单因素的不同水平之间有显著差异。

在方差分析的体系中，F测验可用于检测某项变异因素的效应或方差是否存在。F越大，越说明组间方差是主要方差来源，处理的影响越显著。 F越小，越说明随机方差是主要的方差来源，处理的影响越不显著。

F值的大小与样本数据本身的大小没关系，样本数据值的范围是14-18，而F值21吗，这个F值完全没问题。

扩展资料

方差分析，对多个（两个以上）处理平均数进行假设检验的方法，而单因素是指该实验中只有一个实验因素。单因素方差分析是用来判断这一实验因素对各处理的优劣情况。

简单而言，如果实验，只有一种影响因素，而又有多个不同的处理水平，最后得到的数据就可以用单因素方差分析来分析数据。F值是用于判断显著性的。

例如结果显示F值为20571，将这一数值与显著性水平的F进行比较，若大于显著性的F值，那么P则小于该显著性的概率，F>F（005），那么P<005，说明处理间差异显著。

方差齐性与否看方差齐性F检验的结果就可以，如果sig值大于005，就是齐性，适合做方差分析。

按说不齐性是不可以进行后续的方差分析的，因为在均值检验中（包括方差分析，T检验等）各个实验处理的效应被认为是一种固定效应，对所有人的作用一样，也就是说，处理的作用就是给每个人原来的的水平加上一个相同的常数。

方差不齐性，原则上不能进行方差分析，但spss里的方差分析是在最小二乘法的框架下做的，和教育及心理统计教材中介绍的方差分析的分析方式不太一样，好处是这样的方差分析比较稳健，对于方差齐性的问题不敏感，即使违反了，也还是能用，结果也还是比较可信的。

在spss里面齐性并不是方差分析的必要条件。只不过教材是为了给你介绍大概原理，而且对最新的软件的性能也不是非常了解，所以非要齐性。况且做方差分析的论文里面一般也不会报告齐性检验。所以你就直接用方差分析就行了。

扩展资料

SPSS发展历史

1968年：斯坦福大学三位学生创建了SPSS；1968年：诞生第一个用于大型机的统计软件；1975年：在芝加哥成立SPSS总部；1984年：推出用于个人电脑的SPSS/PC+；SPSS全称为“Statistical Product and Service Solutions”，即“统计产品和服务解决方案”。

2009年：SPSS公司宣布重新包装旗下的SPSS产品线，定位为预测统计分析软件(Predictive Analytics Software)PASW，包括四部分：PASW Statistics (formerly SPSS Statistics)：统计分析。PASW Modeler (formerly Clementine) ：数据挖掘。

参考资料来源：百度百科-spss

回归的检验首先看anova那个表，也就是f检验，那个表代表的是对你进行回归的所有自变量的回归系数的一个总体检验，如果sig<005,说明至少有一个自变量能够有效预测因变量，这个在写数据分析结果时一般可以不报告
然后看系数表，看标准化的回归系数是否显著，每个自变量都有一个对应的回归系数以及显著性检验

综述：做逐步回归的时候，spss 就是一步步根据F检验 来剔除该自变量是否对因变量有显著作用的。而最终保留在回归模型中的自变量，则进行t检验来进一步判断保留的自变量是否对因变量有显著影响。

实际上，如果采用逐步回归，则最后保留在回归模型中的自变量其t检验已经是多余的了，因为在逐步回归删选自变量时，已经对该自变量是否影响因变量做出来F检验的判断，此时的t检验就多余了。

SPSS，“统计产品与服务解决方案”软件。最初软件全称为“社会科学统计软件包”，但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，这标志着SPSS的战略方向正在做出重大调整。

历史沿袭：

1984年SPSS总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+，开创了SPSS微机系列产品的开发方向，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域。世界上许多有影响的报刊杂志纷纷就SPSS的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价。

---