如何进行实验方法的显着性检验

Ⅰ 有实验组控制组的测试结果，欲检验其是否存在显着差异，应选用哪些可用的方法

当试验数据出现两种或者多种不同的结果时，应该采用统计学的方法，通过显着性检验来判断试验数据之间是否存在显着性差异。
显着性检验的方法通常有t检验法和F检验法：
t检验用来检测两组数据的准确度，确定是否存在系统误差
F检验又叫方差齐性检验，用来检测两组或多组数据的精密度，确定是否存在偶然误差
计算公式和查表之类的就不写了，太复杂，而且你手上应该都有
针对你的数据，如果只是“需要看一下两组差别是不是很大”，只用F检验即可
如果你需要确定数据是否存在系统误差，或是否与假设结论是否相符时，则需要用到t检验
提醒一句，若要进行t检验，首先得进行F检验，用以判断两组数据的方差齐性
若两组数据方差相等，则用t检验；若方差不等，则用变种的t'检验
总之，不论怎样，都要用到F检验

Ⅱ 如何进行显着性分析

利用SPSS进行统计检验

在教育技术研究中，经常需要利用不同的教学媒体或教学资源对不同的对象进行教学改革试验，但教学试验的总体往往都有较大数量，限于人力、物力与时间，通常都采用抽取一定的样本作为研究对象，这样，就存在样本的特征数量能否反映总体特征的问题，也存在着两种不同的样本的数量标志的参数是否存在差异的问题，这就必需对样本量数进行定量分析与推断，在教育统计学中称为“统计检验”。

一、统计检验的基本原理

统计检验是先对总体的分布规律作出某种假说，然后根据样本提供的数据，通过统计运算，根据运算结果，对假说作出肯定或否定的决策。如果现要检验实验组和对照组的平均数（μ1和μ2）有没有差异，其步骤为：
1．建立虚无假设，即先认为两者没有差异，用表示；
2．通过统计运算，确定假设成立的概率P。
⒊ 根据P 的大小，判断假设是否成立。如表6-12所示。

二、大样本平均数差异的显着性检验——Z检验

Z检验法适用于大样本（样本容量小于30）的两平均数之间差异显着性检验的方法。它是通过计算两个平均数之间差的Z分数来与规定的理论Z值相比较，看是否大于规定的理论Z值，从而判定两平均数的差异是否显着的一种差异显着性检验方法。其一般步骤：

第一步，建立虚无假设，即先假定两个平均数之间没有显着差异。
第二步，计算统计量Z值，对于不同类型的问题选用不同的统计量计算方法。

（1）如果检验一个样本平均数（）与一个已知的总体平均数()的差异是否显着。其Z值计算公式为：

其中是检验样本的平均数；
是已知总体的平均数；
S是样本的方差；
n是样本容量。
（2）如果检验来自两个的两组样本平均数的差异性，从而判断它们各自代表的总体的差异是否显着。其Z值计算公式为：

其中，1、2是样本1，样本2的平均数；
是样本1，样本2的标准差；
是样本1，样本2的容量。
第三步，比较计算所得Z值与理论Z值，推断发生的概率，依据Z值与差异显着性关系表作出判断。如表6-13所示。

第四步，根据是以上分析，结合具体情况，作出结论。

【例6-5】某项教育技术实验，对实验组和控制组的前测和后测的数据分别如表6-14所示，比较两组前测和后测是否存在差异。

由于n＞30，属于大样本，应采用Z检验。由于这是检验来自两个不同总体的两个样本平均数，看它们各自代表的总体的差异是否显着，所以采用双总体的Z检验方法。
计算前测Z的值

= -0.658

∵=0.658＜1.96
∴ 前测两组差异不显着。
再计算后测Z的值

= 2.16

∵ = 2.16＞1.96
∴ 后测两组差异显着。

三、小样本平均差异的显着性检验——t检验
t检验是用于小样本（样本容量小于30）时，两个平均值差异程度的检验方法。它是用t分布理论来推断差异发生的概率，从而判定两个平均数的差异是否显着。其一般步骤如下：
第一步，建立虚无假设，即先假定两个总体平均数之间没有显着差异。
第二步，计算统计量t值，对于不同类型的问题选用不同的统计量计算方法。
（1）如果要评断一个总体中的小样本平均数与总体平均值之间的差异程度，其统计量t值的计算公式为：

（2）如果要评断两组样本平均数之间的差异程度，其统计量t值的计算公式为：

第三步，根据自由度df= n-1，查t值表，找出规定的t理论值（见附录）并进行比较。理论值差异的显着水平为0.01级或0.05级。不同自由度的显着水平理论值记为t (df)0.01和t (df)0.05
第四步，比较计算得到的t值和理论t值，推断发生的概率，依据表6-15给出的t值与差异显着性关系表作出判断。

第五步，根据是以上分析，结合具体情况，作出结论

Ⅲ 变量的显着性检验主要使用什么方法

显着性检验
就是事先对总体（
随机变量
）的参数或
总体分布
形式做出一个假设，然后利用样本信息来判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否显着地有差异。或者说，显着性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。
显着性检验是针对我们对总体所做的假设做检验，其原理就是“
小概率事件
实际不可能性原理”来接受或否定假设。
抽样实验会产生
抽样误差
，对实验资料进行比较分析时，不能仅凭两个结果（平均数或率）的不同就作出结论，而是要进行统计学分析，鉴别出两者差异是抽样误差引起的，还是由特定的
实验处理
引起的。
显着性检验即用于实验处理组与
对照组
或两种不同处理的效应之间是否有差异，以及这种差异是否显着的方法。
常把一个要检验的假设记作H0,称为原假设（或
零假设
）
(null
hypothesis
)
，与H0对立的假设记作H1，称为备择假设(
alternative
hypothesis)
。
⑴
在原假设为真时，
决定放弃
原假设，称为
第一类错误
，其出现的概率通常记作α；

⑵
在原假设不真时，决定接受原假设，称为
第二类错误
，其出现的概率通常记作β。
通常只限定犯第一类错误的最大概率α，
不考虑犯第二类错误的概率β。这样的假设
检验又称为显着性检验，概率α称为
显着性水平
。
最常用的
α值
为0.01、0.05、0.10等。一般情况下，根据研究的问题，如果放弃真错误损失大，为减少这类错误，α取值小些
，反之，α取值大些。

Ⅳ 显着性检验的常用检验

用于计数资料。是当实验组或对照组中出现概率为0或100%时，X2检验的一种特殊形式。属于直接概率计算法。
非参数统计方法
符号检验、秩和检验和Ridit检验
三者均属非参数统计方法，共同特点是简便、快捷、实用。可用于各种非正态分布的资料、未知分布资料及半定量资料的分析。其主要缺点是容易丢失数据中包含的信息。所以凡是正态分布或可通过数据转换成正态分布者尽量不用这些方法。
Hotelling检验
用于计量资料、正态分布、两组间多项指标的综合差异显着性检验。

Ⅳ 显着性检验最常见的有t检验法和什么法

计算出统计量的值，这个统计量的选取要使得在假设H0成立时，作出拒绝或接受假设H0的判断、t检验法。常用的假设检验方法有u—检验法；由实测的样本假设检验(Hypothesis Testing)是数理统计学中根据一定假设条件由样本推断总体的一种方法，秩和检验等。具体作法是，其分布为已知、χ2检验法(卡方检验)，记作H0：根据问题的需要对所研究的总体作某种假设，并根据预先给定的显着性水平进行检验；选取合适的统计量、F—检验法

Ⅵ 显着性检验的步骤

显着性检验的一般步骤或格式，如下：
1、提出假设
H0：______
H1：______
同时，与备择假设相应，指出所作检验为双尾检验还是左单尾或右单尾检验。
2、构造检验统计量，收集样本数据，计算检验统计量的样本观察值。
3、根据所提出的显着水平 ，确定临界值和拒绝域。
4、作出检验决策。
把检验统计量的样本观察值和临界值比较，或者把观察到的显着水平与显着水平标准比较；最后按检验规则作出检验决策。当样本值落入拒绝域时，表述成:“拒绝原假设”，“显着表明真实的差异存在”；当样本值落入接受域时，表述成：“没有充足的理由拒绝原假设”，“没有充足的理由表明真实的差异存在”。另外，在表述结论之后应当注明所用的显着水平。

Ⅶ 多元线性回归的显着性检验包含哪些内容如何进行

多元线性回归的显着性检验包含所有自变量与因变量。

回归方程的显着性检验，即检验整个回归方程的显着性，或者说评价所有自变量与因变量的线性关系是否密切。能常采用F检验，F统计量的计算公式为：

(7)如何进行实验方法的显着性检验扩展阅读：

建立多元性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其准则是：

(1)自变量对因变量必须有显着的影响，并呈密切的线性相关；

(2)自变量与因变量之间的线性相关必须是真实的，而不是形式上的；

(3)自变量之间应具有一定的互斥性，即自变量之间的相关程度不应高于自变量与因变量之因的相关程度；

(4)自变量应具有完整的统计数据，其预测值容易确定。

Ⅷ 如何进行excel显着性检验

excel进行显着性检验的方法与步骤：
1.先找ADD-IN,添加数据分析工具data analysis tool。 Add-in的选项在File-> Option->Add Ins, 选择analysis tool pack。
2.会跳出来一个窗口，再选中analysis tookpack ,确定就好了。
3.把得到的两组数据输入EXCEL里。
4.在DATA里面，选择data analysis,跳出来新窗口，选中correlation（相关性）。然后按照提示，选中要分析的数据。
5.EXCEL会自动运行回归分析，给出分析报告。分析报告里mutiple R 接近1，就说明两个的相关性比较大。拟合关系要看R2，显着性看signifnance F。