统计显着性检验如何选择检验方法

⑴ 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

⑵ 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

⑶ 医学论文中怎样根据统计资料的类型选择一种或几种检验方法

刚在那个什么 创新医学网 上看见过 医学论文 写作辅导的文章 这个知道是不是 你要的答案
统计资料的显着性检验(significant test)方法的选择是医学论文中常常遇见的问题，退稿原因中常有显着性检验方法选择不当。如t检验、u检验、χ2检验等，虽然各有其应用范围和要求，但也其共同之处。作者可根据统计资料的类型，选择一种或几种检验方法。但当作者在获得一组、两组或两组以上的数据资料时，选择何种显着性检验，是至关重要的问题。不同的资料类型其统计指标、统计检验的方法是不同的，见表1。
医学生物研究中，许多指标都是服从正态分布(u分布)的，而随着样本含量加大或自由度增大，t分布、χ2分布、F分布都趋向于正态分布见图1、图2。
在《中华创伤杂志》第12卷1～6期和增刊中文章所涉及的统计方法(表2)，表明了正态分布的广泛性、常见性。
故当作者获得数据资料后，首先应进行正态性检眩�范ㄊ欠为标准正态分布(或近似正态分布)或不属于正态分布。笔者首先推荐概率单位法。
当统计资料属于正态分布或近似正态分布时，差异显着性检验方法的选裕�诜合其应用条件下，一般可按表3进行选择。
显着性检验应用时的主要注意事项：(1)率值或均值在进行显着性检验前，应注意样本的代表性和可比性。(2)检验结果接近显着性界限时：要多方面考虑，是否确实不存在差异；或是观察例数不够，而需加大样本例剩换是检验公式运用不当，可用其他检验印证。(3)多个样本比例数的χ2检验，差异显着性，只能说明多组比例数不同或不完全相同，而不能确定哪个比例数不同，要进一步进行显着性检验才能了解两个样本比例数是否构成相同。

表1 一般情况下不同资料的统计指标与检验方法的关系

资料类型 统计指标 统计检验方法
计量资料 均数、标准差 t检验、F检验等
计数资料 率、构成比 χ2检验等
半定量资料 率、构成比 秩和检验、Ridit分析

表2 《中华创伤杂志》第12卷1～6期、
增刊显着性检验方法使用频数

检验方法 应用次数 检验方法 应用次数
t检验 27 直线相关与回归分析 5
χ2检验 16 拟合线性回归 1
F检验 24 相关分析 6
Q检验 2 非参数统计 4
u检验 1 未注明方法 6

表3 常用显着性检验方法的选择

统计资料比较类型 显着性检验
小样本均数与总体均数相比较 t检验
小样本均数相比较 t检验、F检验
两个或多个大样本均数与
总体均数相比较 u检验、t检验
大样本均数相比较 u检验、t检验
配对计量资料 配对t检验
两个率的比较 u检验、χ2检验
多个样本率的的比较 χ2检验
配对计数资料两种属性的
相关分析及其差别的比较 χ2检验

⑷ 什么是统计检验怎么选择统计检验方法

通过样本统计量得出的差异判断总体参数之间是否存在差异.对于平均数的显着性检验,总体正态,总体方差已知时,用Z检验.总体方差未知时用t检验,对于平均数差异的显着性检验,总体正态,总体方差已知时,用Z检验.总体方差未知时用t检验,但在总体方差非齐性闭尘,且样本独立,样本数不同时,用t'检验.对于非正态分布,且样本数大于30的用Z'检验.对于样本方差与总体差异检验用卡方分布,对于两样本方差间的差异显着性用F检验.对于多个统闹态颂计量的差异检验如果满足方差分析条件的用方差分析.其它对于不满足参数检验的用非参检验.卡方检验一般都液郑是处理实际观察频数与理论频数分布是否一致 查看原帖>>

⑸ 平均数显着性检验方法选择

均数显着性检验分为（样本与总体的显着性检验）和（样本与样本的显着性检验）

一、样本与总体的显着性检验

 1、总体呈正态分布，标准差已知时，无论样本大小，都用z检验；

 2、总体呈正态分布，标准差未知时，一般用t检验。但是大样本时，可用z检验；

 3、总体呈非正态时，样本是小样本，就不能用参数检验，只能用非参数检验；样本是大样本时，用z检验。

二、样本与样本的显着性检验

1、两个样本总体都呈正态分布，且标准差已知时，不管是相关样本还是独立样本都要用z检验；

2、两个样本总体都呈正态分布，但标准差未知时；

A  独立样本，无论两样本方差是否齐性，都用t检验

B 相关样本有两种情况：r已知和r未知，虽然都是用t检验，但是标准误的算法不一样

3、两个样本总体不呈正态分布时，但两样本是大样本时，都用z检验，但是标准误的算法不一样；

4、两个样本总体不呈正态分布时，小样本，要用非参数检验。

⑹ 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

⑺ 显着性检验最常见的有t检验法和什么法

显着性检验最常见的有t检验法和F检验法。
武汉大学分析化学，就讲了两种显着性检验方法t检验法和F检验法
t
检验用于单一样本。F检验用于两个样本。

⑻ 什么是统计检验怎么选择统计检验方法

统计检验亦称“假设检验”。根据抽样结果，在一定可靠性程度上对一个或多个总体分布的原假设作出拒绝还是不拒绝（予以接受）结论的程序。决定常取决于样本统计量的数值与所假设的总体参数是否有显着差异。这时称差异显着性检验。检验的推理逻辑为具有概率性质的反证法。

选择

显着性水平和否定域

有了与问题相关的抽样分布，我们便可以把所有可能的结果分成两类：一类是不大可能的结果；另一类人们预料这些结果很可能发生。既然如此，如果我们在一次实际抽样中得到的结果恰好属于第一类，我们就有理由对概率分布的前提假设产生怀疑。

在统计检验中，这族银些不大可能的结果称为否定域。如果这类结果真的发生了，我们将否定假设；反之就不否定假设。概率分布的具体形式是由假设决定的，假设肯定不止一个。在统计检验中，通常把被检验的那个假设称为零假设(或称原假设，用符号H0表示)，并用它和其他备择假设(用符号H1表示)相对比。

值得注意的是，假设只能被检验，从来不能加以证明。统计检验可以帮助我们否定一个假设，却不能帮助我们肯定一个假设。为了使检验更严格、更科学，还需要更多的东西。首先，我们必须确定冒犯第一类和第二类错误的风险的程度；其次，要确定否定域是否要包含抽样分布的两端。

第一类错误是，零假设H0实际上是正确的，却被否定了。第二类错误则是，H0实际上是错的，却没有被否定。第二类错误是，零假设H0实际上是错误的，却没有被否定。遗憾的是，不管我们如何选择否定域，都不可能完全避免第一类错误和第二类错误，也不可能同时把犯两类错误的危险压缩到最小。

对任何一个给定的检验而言，第一类错误的危险越小，第二类错误的概率就越大；反之亦然。一般来讲，不可能具体估计出第二类错误的概率值。第一类错误则不然，犯第一类燃颤错误的概率是否定域内各种结果的概率之和。

由于犯第一类错误的危险和犯第二类错误的危险呈相背趋向，所以统计检验时，我们必须事先在冒多大第一类错误的风险和多大第二类错误的风险之间作出权衡。被我们事先选定的可以犯第一类错误的概率，叫做检验的显着性水平(用α表示)，它决定了否定域的大小。

如果抽样分布是连续的，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显着性水平的要求一致起来（后面的正态检验就如此）。如果抽样分布是非连续的，就要用累计概率的方法找出一组构成否定域的结果。

即在已知概率分布表上，从两端可能性最小的概率开始向中心累计，直至概率之和略小于选定的显着性水平为止。在许多场合，我们能预测偏差的方向，或只对一个方向的偏差感兴趣。每当方向能被预测的时候，在同样显着性水平的条件下，单侧检验比双侧检验更合适。

因为否定域被集中到抽样分布更合适的一侧，可以得到一个比较大的尾端。这样做，可以在犯第一类错误的危险不变的情况下，减少了犯第二类错误的危险。

(8)统计显着性检验如何选择检验方法扩展阅读

选择统计检验程序的方法时需考虑以下条件：

1、看总体分布是否已知。如果已知，看是不是正态分布。如果已知样本分布为常态分布就可以选择参数检验法，如果总体分布未知就用非参数检验法。

2、在参数检验中，如果总体分布为正态，总体方差已知，两样本独立或相关都可以采用Z检验；如果总体方差未知，根据样本方差，采取不同的t检验。如果总体分布非正态，总体方差已知，根据样本独立或相关采取Z’检验；如果总体方差未知，根据独立和相关采取不同的Z‘检验。

3、根据题目考虑用单侧还是双侧检验。

4、在非参数检验中，按照两兆段宴个样本相关和不相关、精度与容量等，可以采用符号检验、秩和检验等方法。

⑼ 显着性检验怎么做

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，然后扮前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，其原姿颂理就是“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，不能仅厅册清凭两个结果（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。
显着性检验的基本思想可以用小概率原理来解释。

1、小概率原理：小概率事件在一次试验中是几乎不可能发生的，假若在一次试验中事件 事实上发生了。那只能认为事件 不是来自我们假设的总体，也就是认为我们对总体所做的假设不正确。

2、观察到的显着水平：由样本资料计算出来的检验统计量观察值所截取的尾部面积为。这个概率越小，反对原假设，认为观察到的差异表明真实的差异存在的证据便越强，观察到的差异便越加理由充分地表明真实差异存在。

3、检验所用的显着水平：针对具体问题的具体特点，事先规定这个检验标准。

⑽ 统计资料的显着性检验(significant test)方法怎样选择

这是在创新医学网上看到的 不知道 对楼主的帮助大不大
三、 t检验与校正t检验(t′检验)

这是文稿中极易混淆的一类计量资料统计问题。
(一)检验的注意事项

1.t检验的意义:t检验与所有统计分析相同,其结果提示现有差别不仅仅是抽样误差所致,且提示犯第一类错误的可能性大小,即t0.05与t0.01犯第一类错误的可能性各为5%与1%。

2.统计意义与临床意义的关系:统计学有显着意义,而在临床上可能是无意义的,提示该研究应继续深入,以明确该差异是否真有显着意义;相反,统计无显着意义,而临床上却是有意义的,不能贸然轻易地下结论。应复查实验设计、方法、试剂及仪器性能、质控措施和实验数据等是否有问题,或尚需再进一步增加样本量进行复测等。

3.t检验适用范围:t检验仅适用于正态或近似正态分布(包括偏态转换)和其方差是齐性资料的检验;t检验适用于可比性资料,即除了欲比较的因素外,其它所有可影响的因素应相似。

4.t检验的结果判断:判断结果不应绝对化,P<或>0.05,分别表示可拒绝或接受原定的假设,但两者都有5%的可能性犯第一类错误;而P值越小,只能是更有理由拒绝原定的假设。

5.单侧与双侧检验:应预先制定本研究的结果是需行双侧还是单侧检验。对有把握确知某治疗措施或某指标是不会劣于现有的,才作单侧检验;若不知何者为优,应行双侧检验。因为在同一t值的界限上,单侧检验的概率(P)仅为后者的一半,也就是说单侧检验较双侧检验更易得出差别有统计意义的结论,不可随意制定。一般讲,绝大多数研究以采用双侧检验为妥。

(二)t′检验与t检验的区别

当两样本均数的方差非齐性时,应以t′替代t检验。例如:甲组32例血清某指标值为53.9±49.6(μmol/L);乙组6例的结果为26.6±7.2(μmol/L),若不考虑两样本方差大小,t检验示t=1.331,P>0.05,提示两组血清该指标的平均含量差异无显着意义。但先作方差齐性检验,F=47.4,P<0.01,示这两样本方差差异有极显着意义。据此应采用t′检验,t′=2.952>t′0.012.875,P<0.01。显然,与上述结论恰恰相反。