統計顯著性檢驗如何選擇檢驗方法

⑴ 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

⑵ 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

⑶ 醫學論文中怎樣根據統計資料的類型選擇一種或幾種檢驗方法

剛在那個什麼 創新醫學網 上看見過 醫學論文 寫作輔導的文章 這個知道是不是 你要的答案
統計資料的顯著性檢驗(significant test)方法的選擇是醫學論文中常常遇見的問題，退稿原因中常有顯著性檢驗方法選擇不當。如t檢驗、u檢驗、χ2檢驗等，雖然各有其應用范圍和要求，但也其共同之處。作者可根據統計資料的類型，選擇一種或幾種檢驗方法。但當作者在獲得一組、兩組或兩組以上的數據資料時，選擇何種顯著性檢驗，是至關重要的問題。不同的資料類型其統計指標、統計檢驗的方法是不同的，見表1。
醫學生物研究中，許多指標都是服從正態分布(u分布)的，而隨著樣本含量加大或自由度增大，t分布、χ2分布、F分布都趨向於正態分布見圖1、圖2。
在《中華創傷雜志》第12卷1～6期和增刊中文章所涉及的統計方法(表2)，表明了正態分布的廣泛性、常見性。
故當作者獲得數據資料後，首先應進行正態性檢眩�范ㄊ欠為標准正態分布(或近似正態分布)或不屬於正態分布。筆者首先推薦概率單位法。
當統計資料屬於正態分布或近似正態分布時，差異顯著性檢驗方法的選裕�詵合其應用條件下，一般可按表3進行選擇。
顯著性檢驗應用時的主要注意事項：(1)率值或均值在進行顯著性檢驗前，應注意樣本的代表性和可比性。(2)檢驗結果接近顯著性界限時：要多方面考慮，是否確實不存在差異；或是觀察例數不夠，而需加大樣本例剩換是檢驗公式運用不當，可用其他檢驗印證。(3)多個樣本比例數的χ2檢驗，差異顯著性，只能說明多組比例數不同或不完全相同，而不能確定哪個比例數不同，要進一步進行顯著性檢驗才能了解兩個樣本比例數是否構成相同。

表1 一般情況下不同資料的統計指標與檢驗方法的關系

資料類型 統計指標 統計檢驗方法
計量資料 均數、標准差 t檢驗、F檢驗等
計數資料 率、構成比 χ2檢驗等
半定量資料 率、構成比 秩和檢驗、Ridit分析

表2 《中華創傷雜志》第12卷1～6期、
增刊顯著性檢驗方法使用頻數

檢驗方法 應用次數 檢驗方法 應用次數
t檢驗 27 直線相關與回歸分析 5
χ2檢驗 16 擬合線性回歸 1
F檢驗 24 相關分析 6
Q檢驗 2 非參數統計 4
u檢驗 1 未註明方法 6

表3 常用顯著性檢驗方法的選擇

統計資料比較類型 顯著性檢驗
小樣本均數與總體均數相比較 t檢驗
小樣本均數相比較 t檢驗、F檢驗
兩個或多個大樣本均數與
總體均數相比較 u檢驗、t檢驗
大樣本均數相比較 u檢驗、t檢驗
配對計量資料 配對t檢驗
兩個率的比較 u檢驗、χ2檢驗
多個樣本率的的比較 χ2檢驗
配對計數資料兩種屬性的
相關分析及其差別的比較 χ2檢驗

⑷ 什麼是統計檢驗怎麼選擇統計檢驗方法

通過樣本統計量得出的差異判斷總體參數之間是否存在差異.對於平均數的顯著性檢驗,總體正態,總體方差已知時,用Z檢驗.總體方差未知時用t檢驗,對於平均數差異的顯著性檢驗,總體正態,總體方差已知時,用Z檢驗.總體方差未知時用t檢驗,但在總體方差非齊性閉塵,且樣本獨立,樣本數不同時,用t'檢驗.對於非正態分布,且樣本數大於30的用Z'檢驗.對於樣本方差與總體差異檢驗用卡方分布,對於兩樣本方差間的差異顯著性用F檢驗.對於多個統鬧態頌計量的差異檢驗如果滿足方差分析條件的用方差分析.其它對於不滿足參數檢驗的用非參檢驗.卡方檢驗一般都液鄭是處理實際觀察頻數與理論頻數分布是否一致 查看原帖>>

⑸ 平均數顯著性檢驗方法選擇

均數顯著性檢驗分為（樣本與總體的顯著性檢驗）和（樣本與樣本的顯著性檢驗）

一、樣本與總體的顯著性檢驗

 1、總體呈正態分布，標准差已知時，無論樣本大小，都用z檢驗；

 2、總體呈正態分布，標准差未知時，一般用t檢驗。但是大樣本時，可用z檢驗；

 3、總體呈非正態時，樣本是小樣本，就不能用參數檢驗，只能用非參數檢驗；樣本是大樣本時，用z檢驗。

二、樣本與樣本的顯著性檢驗

1、兩個樣本總體都呈正態分布，且標准差已知時，不管是相關樣本還是獨立樣本都要用z檢驗；

2、兩個樣本總體都呈正態分布，但標准差未知時；

A  獨立樣本，無論兩樣本方差是否齊性，都用t檢驗

B 相關樣本有兩種情況：r已知和r未知，雖然都是用t檢驗，但是標准誤的演算法不一樣

3、兩個樣本總體不呈正態分布時，但兩樣本是大樣本時，都用z檢驗，但是標准誤的演算法不一樣；

4、兩個樣本總體不呈正態分布時，小樣本，要用非參數檢驗。

⑹ 有實驗組控制組的測試結果，欲檢驗其是否存在顯著差異，應選用哪些可用的方法

當試驗數據出現兩種或者多種不同的結果時，應該採用統計學的方法，通過顯著性檢驗來判斷試驗數據之間是否存在顯著性差異。
顯著性檢驗的方法通常有t檢驗法和F檢驗法：
t檢驗用來檢測兩組數據的准確度，確定是否存在系統誤差
F檢驗又叫方差齊性檢驗，用來檢測兩組或多組數據的精密度，確定是否存在偶然誤差
計算公式和查表之類的就不寫了，太復雜，而且你手上應該都有
針對你的數據，如果只是「需要看一下兩組差別是不是很大」，只用F檢驗即可
如果你需要確定數據是否存在系統誤差，或是否與假設結論是否相符時，則需要用到t檢驗
提醒一句，若要進行t檢驗，首先得進行F檢驗，用以判斷兩組數據的方差齊性
若兩組數據方差相等，則用t檢驗；若方差不等，則用變種的t'檢驗
總之，不論怎樣，都要用到F檢驗

⑺ 顯著性檢驗最常見的有t檢驗法和什麼法

顯著性檢驗最常見的有t檢驗法和F檢驗法。
武漢大學分析化學，就講了兩種顯著性檢驗方法t檢驗法和F檢驗法
t
檢驗用於單一樣本。F檢驗用於兩個樣本。

⑻ 什麼是統計檢驗怎麼選擇統計檢驗方法

統計檢驗亦稱「假設檢驗」。根據抽樣結果，在一定可靠性程度上對一個或多個總體分布的原假設作出拒絕還是不拒絕（予以接受）結論的程序。決定常取決於樣本統計量的數值與所假設的總體參數是否有顯著差異。這時稱差異顯著性檢驗。檢驗的推理邏輯為具有概率性質的反證法。

選擇

顯著性水平和否定域

有了與問題相關的抽樣分布，我們便可以把所有可能的結果分成兩類：一類是不大可能的結果；另一類人們預料這些結果很可能發生。既然如此，如果我們在一次實際抽樣中得到的結果恰好屬於第一類，我們就有理由對概率分布的前提假設產生懷疑。

在統計檢驗中，這族銀些不大可能的結果稱為否定域。如果這類結果真的發生了，我們將否定假設；反之就不否定假設。概率分布的具體形式是由假設決定的，假設肯定不止一個。在統計檢驗中，通常把被檢驗的那個假設稱為零假設(或稱原假設，用符號H0表示)，並用它和其他備擇假設(用符號H1表示)相對比。

值得注意的是，假設只能被檢驗，從來不能加以證明。統計檢驗可以幫助我們否定一個假設，卻不能幫助我們肯定一個假設。為了使檢驗更嚴格、更科學，還需要更多的東西。首先，我們必須確定冒犯第一類和第二類錯誤的風險的程度；其次，要確定否定域是否要包含抽樣分布的兩端。

第一類錯誤是，零假設H0實際上是正確的，卻被否定了。第二類錯誤則是，H0實際上是錯的，卻沒有被否定。第二類錯誤是，零假設H0實際上是錯誤的，卻沒有被否定。遺憾的是，不管我們如何選擇否定域，都不可能完全避免第一類錯誤和第二類錯誤，也不可能同時把犯兩類錯誤的危險壓縮到最小。

對任何一個給定的檢驗而言，第一類錯誤的危險越小，第二類錯誤的概率就越大；反之亦然。一般來講，不可能具體估計出第二類錯誤的概率值。第一類錯誤則不然，犯第一類燃顫錯誤的概率是否定域內各種結果的概率之和。

由於犯第一類錯誤的危險和犯第二類錯誤的危險呈相背趨向，所以統計檢驗時，我們必須事先在冒多大第一類錯誤的風險和多大第二類錯誤的風險之間作出權衡。被我們事先選定的可以犯第一類錯誤的概率，叫做檢驗的顯著性水平(用α表示)，它決定了否定域的大小。

如果抽樣分布是連續的，否定域可以建立在想要建立的任何水平上，否定域的大小可以和顯著性水平的要求一致起來（後面的正態檢驗就如此）。如果抽樣分布是非連續的，就要用累計概率的方法找出一組構成否定域的結果。

即在已知概率分布表上，從兩端可能性最小的概率開始向中心累計，直至概率之和略小於選定的顯著性水平為止。在許多場合，我們能預測偏差的方向，或只對一個方向的偏差感興趣。每當方向能被預測的時候，在同樣顯著性水平的條件下，單側檢驗比雙側檢驗更合適。

因為否定域被集中到抽樣分布更合適的一側，可以得到一個比較大的尾端。這樣做，可以在犯第一類錯誤的危險不變的情況下，減少了犯第二類錯誤的危險。

(8)統計顯著性檢驗如何選擇檢驗方法擴展閱讀

選擇統計檢驗程序的方法時需考慮以下條件：

1、看總體分布是否已知。如果已知，看是不是正態分布。如果已知樣本分布為常態分布就可以選擇參數檢驗法，如果總體分布未知就用非參數檢驗法。

2、在參數檢驗中，如果總體分布為正態，總體方差已知，兩樣本獨立或相關都可以採用Z檢驗；如果總體方差未知，根據樣本方差，採取不同的t檢驗。如果總體分布非正態，總體方差已知，根據樣本獨立或相關採取Z』檢驗；如果總體方差未知，根據獨立和相關採取不同的Z『檢驗。

3、根據題目考慮用單側還是雙側檢驗。

4、在非參數檢驗中，按照兩兆段宴個樣本相關和不相關、精度與容量等，可以採用符號檢驗、秩和檢驗等方法。

⑼ 顯著性檢驗怎麼做

顯著性檢驗就是事先對總體（隨機變數）的參數或總體分布形式做出一個假設，然後扮前利用樣本信息來判斷這個假設（原假設）是否合理，即判斷總體的真實情況與原假設是否顯著地有差異。或者說，顯著性檢驗要判斷樣本與我們對總體所做的假設之間的差異是純屬機會變異，還是由我們所做的假設與總體真實情況之間不一致所引起的。

顯著性檢驗是針對我們對總體所做的假設做檢驗，其原姿頌理就是「小概率事件實際不可能性原理」來接受或否定假設。

抽樣實驗會產生抽樣誤差，對實驗資料進行比較分析時，不能僅廳冊清憑兩個結果（平均數或率）的不同就作出結論，而是要進行統計學分析，鑒別出兩者差異是抽樣誤差引起的，還是由特定的實驗處理引起的。
顯著性檢驗的基本思想可以用小概率原理來解釋。

1、小概率原理：小概率事件在一次試驗中是幾乎不可能發生的，假若在一次試驗中事件 事實上發生了。那隻能認為事件 不是來自我們假設的總體，也就是認為我們對總體所做的假設不正確。

2、觀察到的顯著水平：由樣本資料計算出來的檢驗統計量觀察值所截取的尾部面積為。這個概率越小，反對原假設，認為觀察到的差異表明真實的差異存在的證據便越強，觀察到的差異便越加理由充分地表明真實差異存在。

3、檢驗所用的顯著水平：針對具體問題的具體特點，事先規定這個檢驗標准。

⑽ 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。