顯著性分析方法

1. 如何用SPSS做顯著性差異分析

不能比較貢獻度有沒有差異，可以比較回歸系數有沒有差異

2. 統計資料的顯著性檢驗(significant test)方法怎樣選擇

這是在創新醫學網上看到的 不知道 對樓主的幫助大不大
三、 t檢驗與校正t檢驗(t′檢驗)

這是文稿中極易混淆的一類計量資料統計問題。
(一)檢驗的注意事項

1.t檢驗的意義:t檢驗與所有統計分析相同,其結果提示現有差別不僅僅是抽樣誤差所致,且提示犯第一類錯誤的可能性大小,即t0.05與t0.01犯第一類錯誤的可能性各為5%與1%。

2.統計意義與臨床意義的關系:統計學有顯著意義,而在臨床上可能是無意義的,提示該研究應繼續深入,以明確該差異是否真有顯著意義;相反,統計無顯著意義,而臨床上卻是有意義的,不能貿然輕易地下結論。應復查實驗設計、方法、試劑及儀器性能、質控措施和實驗數據等是否有問題,或尚需再進一步增加樣本量進行復測等。

3.t檢驗適用范圍:t檢驗僅適用於正態或近似正態分布(包括偏態轉換)和其方差是齊性資料的檢驗;t檢驗適用於可比性資料,即除了欲比較的因素外,其它所有可影響的因素應相似。

4.t檢驗的結果判斷:判斷結果不應絕對化,P<或>0.05,分別表示可拒絕或接受原定的假設,但兩者都有5%的可能性犯第一類錯誤;而P值越小,只能是更有理由拒絕原定的假設。

5.單側與雙側檢驗:應預先制定本研究的結果是需行雙側還是單側檢驗。對有把握確知某治療措施或某指標是不會劣於現有的,才作單側檢驗;若不知何者為優,應行雙側檢驗。因為在同一t值的界限上,單側檢驗的概率(P)僅為後者的一半,也就是說單側檢驗較雙側檢驗更易得出差別有統計意義的結論,不可隨意制定。一般講,絕大多數研究以採用雙側檢驗為妥。

(二)t′檢驗與t檢驗的區別

當兩樣本均數的方差非齊性時,應以t′替代t檢驗。例如:甲組32例血清某指標值為53.9±49.6(μmol/L);乙組6例的結果為26.6±7.2(μmol/L),若不考慮兩樣本方差大小,t檢驗示t=1.331,P>0.05,提示兩組血清該指標的平均含量差異無顯著意義。但先作方差齊性檢驗,F=47.4,P<0.01,示這兩樣本方差差異有極顯著意義。據此應採用t′檢驗,t′=2.952>t′0.012.875,P<0.01。顯然,與上述結論恰恰相反。

3. 如何分析回歸模型的擬合度和顯著性

模型的擬合度是用R和R方來表示的，一般大於0.4就可以了；自變數的顯著性是根據各個自變數系數後面的Sig值判斷的，如果小於0.05可以說在95%的顯著性水平下顯著，小於0.01就可以說在99%的顯著性水平下顯著了。如果沒有給出系數表，是看不到顯著性如何的。

回歸分析(regression analysis)是研究一個變數（被解釋變數）關於另一個（些）變數（解釋變數）的具體依賴關系的計算方法和理論。 從一組樣本數據出發，確定變數之間的數學關系式對這些關系式的可信程度進行各種統計檢驗，並從影響某一特定變數的諸多變數中找出哪些變數的影響顯著，哪些不顯著。利用所求的關系式，根據一個或幾個變數的取值來預測或控制另一個特定變數的取值，並給出這種預測或控制的精確程度。

其用意：在於通過後者的已知或設定值，去估計和（或）預測前者的（總體）均值。

拓展資料：

回歸模型（regression model）對統計關系進行定量描述的一種數學模型。如多元線性回歸的數學模型可以表示為y=β0+β1*x+εi，式中，β0，β1，…，βp是p+1個待估計的參數，εi是相互獨立且服從同一正態分布N(0,σ2)的隨機變數，y是隨機變數；x可以是隨機變數，也可以是非隨機變數,βi稱為回歸系數，表徵自變數對因變數影響的程度。

（資料來源：網路：回歸模型）

4. 多元線性回歸的顯著性檢驗包含哪些內容如何進行

多元線性回歸的顯著性檢驗包含所有自變數與因變數。

回歸方程的顯著性檢驗，即檢驗整個回歸方程的顯著性，或者說評價所有自變數與因變數的線性關系是否密切。能常採用F檢驗，F統計量的計算公式為：

(4)顯著性分析方法擴展閱讀：

建立多元性回歸模型時，為了保證回歸模型具有優良的解釋能力和預測效果，應首先注意自變數的選擇，其准則是：

(1)自變數對因變數必須有顯著的影響，並呈密切的線性相關；

(2)自變數與因變數之間的線性相關必須是真實的，而不是形式上的；

(3)自變數之間應具有一定的互斥性，即自變數之間的相關程度不應高於自變數與因變數之因的相關程度；

(4)自變數應具有完整的統計數據，其預測值容易確定。

5. 顯著性檢驗的步驟

顯著性檢驗的一般步驟或格式，如下：
1、提出假設
H0：______
H1：______
同時，與備擇假設相應，指出所作檢驗為雙尾檢驗還是左單尾或右單尾檢驗。
2、構造檢驗統計量，收集樣本數據，計算檢驗統計量的樣本觀察值。
3、根據所提出的顯著水平 ，確定臨界值和拒絕域。
4、作出檢驗決策。
把檢驗統計量的樣本觀察值和臨界值比較，或者把觀察到的顯著水平與顯著水平標准比較；最後按檢驗規則作出檢驗決策。當樣本值落入拒絕域時，表述成:「拒絕原假設」，「顯著表明真實的差異存在」；當樣本值落入接受域時，表述成：「沒有充足的理由拒絕原假設」，「沒有充足的理由表明真實的差異存在」。另外，在表述結論之後應當註明所用的顯著水平。

6. 如何進行顯著性分析

利用SPSS進行統計檢驗

在教育技術研究中，經常需要利用不同的教學媒體或教學資源對不同的對象進行教學改革試驗，但教學試驗的總體往往都有較大數量，限於人力、物力與時間，通常都採用抽取一定的樣本作為研究對象，這樣，就存在樣本的特徵數量能否反映總體特徵的問題，也存在著兩種不同的樣本的數量標志的參數是否存在差異的問題，這就必需對樣本量數進行定量分析與推斷，在教育統計學中稱為「統計檢驗」。

一、統計檢驗的基本原理

統計檢驗是先對總體的分布規律作出某種假說，然後根據樣本提供的數據，通過統計運算，根據運算結果，對假說作出肯定或否定的決策。如果現要檢驗實驗組和對照組的平均數（μ1和μ2）有沒有差異，其步驟為：
1．建立虛無假設，即先認為兩者沒有差異，用表示；
2．通過統計運算，確定假設成立的概率P。
⒊ 根據P 的大小，判斷假設是否成立。如表6-12所示。

二、大樣本平均數差異的顯著性檢驗——Z檢驗

Z檢驗法適用於大樣本（樣本容量小於30）的兩平均數之間差異顯著性檢驗的方法。它是通過計算兩個平均數之間差的Z分數來與規定的理論Z值相比較，看是否大於規定的理論Z值，從而判定兩平均數的差異是否顯著的一種差異顯著性檢驗方法。其一般步驟：

第一步，建立虛無假設，即先假定兩個平均數之間沒有顯著差異。
第二步，計算統計量Z值，對於不同類型的問題選用不同的統計量計算方法。

（1）如果檢驗一個樣本平均數（）與一個已知的總體平均數()的差異是否顯著。其Z值計算公式為：

其中是檢驗樣本的平均數；
是已知總體的平均數；
S是樣本的方差；
n是樣本容量。
（2）如果檢驗來自兩個的兩組樣本平均數的差異性，從而判斷它們各自代表的總體的差異是否顯著。其Z值計算公式為：

其中，1、2是樣本1，樣本2的平均數；
是樣本1，樣本2的標准差；
是樣本1，樣本2的容量。
第三步，比較計算所得Z值與理論Z值，推斷發生的概率，依據Z值與差異顯著性關系表作出判斷。如表6-13所示。

第四步，根據是以上分析，結合具體情況，作出結論。

【例6-5】某項教育技術實驗，對實驗組和控制組的前測和後測的數據分別如表6-14所示，比較兩組前測和後測是否存在差異。

由於n＞30，屬於大樣本，應採用Z檢驗。由於這是檢驗來自兩個不同總體的兩個樣本平均數，看它們各自代表的總體的差異是否顯著，所以採用雙總體的Z檢驗方法。
計算前測Z的值

= -0.658

∵=0.658＜1.96
∴ 前測兩組差異不顯著。
再計算後測Z的值

= 2.16

∵ = 2.16＞1.96
∴ 後測兩組差異顯著。

三、小樣本平均差異的顯著性檢驗——t檢驗
t檢驗是用於小樣本（樣本容量小於30）時，兩個平均值差異程度的檢驗方法。它是用t分布理論來推斷差異發生的概率，從而判定兩個平均數的差異是否顯著。其一般步驟如下：
第一步，建立虛無假設，即先假定兩個總體平均數之間沒有顯著差異。
第二步，計算統計量t值，對於不同類型的問題選用不同的統計量計算方法。
（1）如果要評斷一個總體中的小樣本平均數與總體平均值之間的差異程度，其統計量t值的計算公式為：

（2）如果要評斷兩組樣本平均數之間的差異程度，其統計量t值的計算公式為：

第三步，根據自由度df= n-1，查t值表，找出規定的t理論值（見附錄）並進行比較。理論值差異的顯著水平為0.01級或0.05級。不同自由度的顯著水平理論值記為t (df)0.01和t (df)0.05
第四步，比較計算得到的t值和理論t值，推斷發生的概率，依據表6-15給出的t值與差異顯著性關系表作出判斷。

第五步，根據是以上分析，結合具體情況，作出結論

7. 回歸模型的顯著性檢驗

回歸模型的顯著性檢驗採用方差分析方法進行。按試驗數據分別計算樣本總離差Q_T（平方和）、剩餘離差Q_剩餘和回歸離差Q_回歸，然後由剩餘離差Q_剩餘、回歸離差Q_回歸及其相應的自由度計算樣本的F值，並與給定的顯著水平對應的F_α值比較，確定其顯著性。採用的有關計算公式如下：

表5-2 土壤入滲能力預報模型參數估計及檢驗表

水分在季節性非飽和凍融土壤中的運動

水分在季節性非飽和凍融土壤中的運動

水分在季節性非飽和凍融土壤中的運動

水分在季節性非飽和凍融土壤中的運動

根據試驗樣本資料，計算四種模型和變數情況下的離差和F值見表5-1，給定顯著水平α=0.05，查得相應的F_0.05（m，m-n-1）值也列於表5-1。從計算的F值與F_0.05（m，m-n-1）值的比較可知，所計算的四種情況下的F值都大於相應的F_0.05（m，m-n-1）值，且相差幅度很大，所以各種模型和變數在多數情況下的回歸是顯著的。同時可以看出線性回歸的顯著水平要比連乘積模型高；三個變數回歸的顯著水平要高於四個變數的回歸。

8. 顯著性檢驗最常見的有t檢驗法和什麼法

計算出統計量的值，這個統計量的選取要使得在假設H0成立時，作出拒絕或接受假設H0的判斷、t檢驗法。常用的假設檢驗方法有u—檢驗法；由實測的樣本假設檢驗(Hypothesis Testing)是數理統計學中根據一定假設條件由樣本推斷總體的一種方法，秩和檢驗等。具體作法是，其分布為已知、χ2檢驗法(卡方檢驗)，記作H0：根據問題的需要對所研究的總體作某種假設，並根據預先給定的顯著性水平進行檢驗；選取合適的統計量、F—檢驗法

9. 統計學怎樣用方差分析方法檢驗有無顯著差異性

什麼是方差分析
方差分析（ANOVA）又稱「變異數分析」或「F檢驗」，是R.A.Fister發明的，用於兩個及兩個以上樣本均數差別的顯著性檢驗。
由於各種因素的影響，研究所得的數據呈現波動狀。造成波動的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。
一個復雜的事物，其中往往有許多因素互相制約又互相依存。方差分析的目的是通過數據分析找出對該事物有顯著影響的因素，各因素之間的交互作用，以及顯著影響因素的最佳水平等。方差分析是在可比較的數組中，把數據間的總的「變差」按各指定的變差來源進行分解的一種技術。對變差的度量，採用離差平方和。方差分析方法就是從總離差平方和分解出可追溯到指定來源的部分離差平方和，這是一個很重要的思想。
經過方差分析若拒絕了檢驗假設，只能說明多個樣本總體均數不相等或不全相等。若要得到各組均數間更詳細的信息，應在方差分析的基礎上進行多個樣本均數的兩兩比較。

1、多個樣本均數間兩兩比較
多個樣本均數間兩兩比較常用q檢驗的方法，即Newman-kueuls法，其基本步驟為：建立檢驗假設-->樣本均數排序-->計算q值-->查q界值表判斷結果。

2、多個實驗組與一個對照組均數間兩兩比較
多個實驗組與一個對照組均數間兩兩比較，若目的是減小第II類錯誤，最好選用最小顯著差法（LSD法）；若目的是減小第I類錯誤，最好選用新復極差法，前者查t界值表，後者查q'界值表。

方差分析的基本思想
基本思想：通過分析研究中不同來源的變異對總變異的貢獻大小，從而確定可控因素對研究結果影響力的大小。
下面我們用一個簡單的例子來說明方差分析的基本思想：
如某克山病區測得11例克山病患者和13名健康人的血磷值（mmol/L）如下：
患者：0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11
健康人：0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87
問該地克山病患者與健康人的血磷值是否不同？
從以上資料可以看出，24個患者與健康人的血磷值各不相同，如果用離均差平方和（SS）描述其圍繞總均數的變異情況，則總變異有以下兩個來源：
組內變異，即由於隨機誤差的原因使得各組內部的血磷值各不相等；
組間變異，即由於克山病的影響使得患者與健康人組的血磷值均數大小不等。
而且：SS總=SS組間+SS組內 v總=v組間+v組內
如果用均方（即自由度v去除離均差平方和的商）代替離均差平方和以消除各組樣本數不同的影響，則方差分析就是用組內均方去除組間均方的商（即F值）與1相比較，若F值接近1，則說明各組均數間的差異沒有統計學意義，若F值遠大於1，則說明各組均數間的差異有統計學意義。實際應用中檢驗假設成立條件下F值大於特定值的概率可通過查閱F界值表（方差分析用）獲得。

方差分析的應用條件
應用方差分析對資料進行統計推斷之前應注意其使用條件，包括：
1、可比性。若資料中各組均數本身不具可比性則不適用方差分析。
2、正態性。即偏態分布資料不適用方差分析。對偏態分布的資料應考慮用對數變換、平方根變換、倒數變換、平方根反正弦變換等變數變換方法變為正態或接近正態後再進行方差分析。
3、方差齊性。即若組間方差不齊則不適用方差分析。多個方差的齊性檢驗可用Bartlett法，它用卡方值作為檢驗統計量，結果判斷需查閱卡方界值表。

方差分析主要用於：
1、均數差別的顯著性檢驗；
2、分離各有關因素並估計其對總變異的作用；
3、分析因素間的交互作用；
4、方差齊性檢驗。

方差分析的主要內容
根據資料設計類型的不同，有以下兩種方差分析的方法：
1、對成組設計的多個樣本均數比較，應採用完全隨機設計的方差分析，即單因素方差分析。
2、對隨機區組設計的多個樣本均數比較，應採用配伍組設計的方差分析，即兩因素方差分析。

兩類方差分析的基本步驟相同，只是變異的分解方式不同，對成組設計的資料，總變異分解為組內變異和組間變異（隨機誤差），即：SS總=SS組間+SS組內，而對配伍組設計的資料，總變異除了分解為處理組變異和隨機誤差外還包括配伍組變異，即：SS總=SS處理+SS配伍+SS誤差。整個方差分析的基本步驟如下：
1、建立檢驗假設；
H0：多個樣本總體均數相等；
H1：多個樣本總體均數不相等或不全等。
檢驗水準為0.05。
2、計算檢驗統計量F值；
3、確定P值並作出推斷結果。

10. 怎樣用SPSS檢驗數據顯著性

1，數據輸入方式不當。應設變數1為種類（有8個種類，1，2，...8），變數2為指示劑（有2種檢測方法,1, 2）。
正確的數據表應為兩變數的組合（如1，1；2，1；3，1,,,,)，再加上測定值的三列表格。
注意是4次重復，所以組合也要重復4次。
2，採用單變數方差分析。分析--一般線性模型--單變數。選測定值為因變數，種類和指示劑為固定因子。按需要選擇兩兩比較的方法。確定即可。
3，無法得出哪種指示劑測定的更准確，只能得出兩種指示劑測定的結果是否有差異，是否相同。
4，兩兩比較頁面，選入固子種類，再選擇兩兩比較的方法，如Duncan比較方法。一次檢驗結果是可以一起分析8種類樣品之間的差異的。