T檢驗、F檢驗和統(tǒng)計學(xué)意義(P值或sig值)-想了解顯著性差異的也可以來看

1,T檢驗和F檢驗的由來一般而言，為了確定從樣本(sample)統(tǒng)計結(jié)果推論至總體時所犯錯的概率，我們會利用統(tǒng)計學(xué)家所開發(fā)的一些統(tǒng)計方法，進行統(tǒng)計檢定。通過把所得到的統(tǒng)計檢定值，與統(tǒng)計學(xué)家建立了一些隨機變量的概率分布(probabilitydistribution)進行比較，我們可以知道在多少%的機會下會得到目前的結(jié)果。倘若經(jīng)比較后發(fā)現(xiàn)，出現(xiàn)這結(jié)果的機率很少，亦即是說，是在機會很少、很罕有的情況下才出現(xiàn)；那我們便可以有信心的說，這不是巧合，是具有統(tǒng)計學(xué)上的意義的(用統(tǒng)計學(xué)的話講，就是能夠拒絕虛無假設(shè)nullhypothesis,Ho)。相反，若比較后發(fā)現(xiàn)，出現(xiàn)的機率很高，并不罕見；那我們便不能很有信心的直指這不是巧合，也許是巧合，也許不是，但我們沒能確定。F值和t值就是這些統(tǒng)計檢定值，與它們相對應(yīng)的概率分布，就是F分布和t分布。統(tǒng)計顯著性（sig）就是出現(xiàn)目前樣本這結(jié)果的機率。2，統(tǒng)計學(xué)意義（P值或sig值）

結(jié)果的統(tǒng)計學(xué)意義是結(jié)果真實程度（能夠代表總體）的一種估計方法。專業(yè)上，p值為結(jié)果可信程度的一個遞減指標(biāo)，p值越大，我們越不能認為樣本中變量的關(guān)聯(lián)是總體中各變量關(guān)聯(lián)的可靠指標(biāo)。p值是將觀察結(jié)果認為有效即具有總體代表性的犯錯概率。如p=0.05提示樣本中變量關(guān)聯(lián)有5%的可能是由于偶然性造成的。即假設(shè)總體中任意變量間均無關(guān)聯(lián)，我們重復(fù)類似實驗，會發(fā)現(xiàn)約20個實驗中有一個實驗，我們所研究的變量關(guān)聯(lián)將等于或強于我們的實驗結(jié)果。（這并不是說如果變量間存在關(guān)聯(lián)，我們可得到5%或95%次數(shù)的相同結(jié)果，當(dāng)總體中的變量存在關(guān)聯(lián)，重復(fù)研究和發(fā)現(xiàn)關(guān)聯(lián)的可能性與設(shè)計的統(tǒng)計學(xué)效力有關(guān)。）在許多研究領(lǐng)域，0.05的p值通常被認為是可接受錯誤的邊界水平。

3，T檢驗和F檢驗至於具體要檢定的內(nèi)容，須看你是在做哪一個統(tǒng)計程序。舉一個例子，比如，你要檢驗兩獨立樣本均數(shù)差異是否能推論至總體，而行的t檢驗。

兩樣本(如某班男生和女生)某變量(如身高)的均數(shù)并不相同，但這差別是否能推論至總體，代表總體的情況也是存在著差異呢？

會不會總體中男女生根本沒有差別，只不過是你那麼巧抽到這2樣本的數(shù)值不同？

為此，我們進行t檢定，算出一個t檢定值。

與統(tǒng)計學(xué)家建立的以「總體中沒差別」作基礎(chǔ)的隨機變量t分布進行比較，看看在多少%的機會(亦即顯著性sig值)下會得到目前的結(jié)果。

若顯著性sig值很少，比如<0.05(少於5%機率)，亦即是說，「如果」總體「真的」沒有差別，那麼就只有在機會很少(5%)、很罕有的情況下，才會出現(xiàn)目前這樣本的情況。雖然還是有5%機會出錯(1-0.05=5%)，但我們還是可以「比較有信心」的說：目前樣本中這情況(男女生出現(xiàn)差異的情況)不是巧合，是具統(tǒng)計學(xué)意義的，「總體中男女生不存差異」的虛無假設(shè)應(yīng)予拒絕，簡言之，總體應(yīng)該存在著差異。每一種統(tǒng)計方法的檢定的內(nèi)容都不相同，同樣是t-檢定，可能是上述的檢定總體中是否存在差異，也同能是檢定總體中的單一值是否等於0或者等於某一個數(shù)值。至於F-檢定，方差分析(或譯變異數(shù)分析，AnalysisofVariance)，它的原理大致也是上面說的，但它是透過檢視變量的方差而進行的。它主要用于：均數(shù)差別的顯著性檢驗、分離各有關(guān)因素并估計其對總變異的作用、分析因素間的交互作用、方差齊性(EqualityofVariances)檢驗等情況。3，T檢驗和F檢驗的關(guān)系t檢驗過程，是對兩樣本均數(shù)(mean)差別的顯著性進行檢驗。惟t檢驗須知道兩個總體的方差(Variances)是否相等；t檢驗值的計算會因方差是否相等而有所不同。也就是說，t檢驗須視乎方差齊性(EqualityofVariances)結(jié)果。所以，SPSS在進行t-testforEqualityofMeans的同時，也要做Levene'sTestforEqualityofVariances。1.

在Levene'sTestforEqualityofVariances一欄中F值為2.36,Sig.為.128，表示方差齊性檢驗「沒有顯著差異」，即兩方差齊(EqualVariances)，故下面t檢驗的結(jié)果表中要看第一排的數(shù)據(jù)，亦即方差齊的情況下的t檢驗的結(jié)果。2.

在t-testforEqualityofMeans中，第一排(Variances=Equal)的情況：t=8.892,df=84,2-TailSig=.000,MeanDifference=22.99

既然Sig=.000，亦即，兩樣本均數(shù)差別有顯著性意義！3.

到底看哪個Levene'sTestforEqualityofVariances一欄中sig,還是看t-testforEqualityofMeans中那個Sig.(2-tailed)啊?

答案是：兩個都要看。

先看Levene'sTestforEqualityofVariances，如果方差齊性檢驗「沒有顯著差異」，即兩方差齊(EqualVariances)，故接著的t檢驗的結(jié)果表中要看第一排的數(shù)據(jù)，亦即方差齊的情況下的t檢驗的結(jié)果。

反之，如果方差齊性檢驗「有顯著差異」，即兩方差不齊(UnequalVariances)，故接著的t檢驗的結(jié)果表中要看第二排的數(shù)據(jù)，亦即方差不齊的情況下的t檢驗的結(jié)果。果0.05≥p>0.01被認為是具有統(tǒng)計學(xué)意義，而0.01≥p≥0.001被認為具有高度統(tǒng)計學(xué)意義。但要注意這種分類僅僅是研究基礎(chǔ)上非正規(guī)的判斷常規(guī)。所有的檢驗統(tǒng)計都是正態(tài)分布的嗎并不完全如此，但大多數(shù)檢驗都直接或間接與之有關(guān)，可以從正態(tài)分布中推導(dǎo)出來，如t檢驗、f檢驗或卡方檢驗。這些檢驗一般都要求：所分析變量在總體中呈正態(tài)分布，即滿足所謂的正態(tài)假設(shè)。許多觀察變量的確是呈正態(tài)分布的，這也是正態(tài)分布是現(xiàn)實世界的基本特征的原因。當(dāng)人們用在正態(tài)分布基礎(chǔ)上建立的檢驗分析非正態(tài)分布變量的數(shù)據(jù)時問題就產(chǎn)生了，（參閱非參數(shù)和方差分析的正態(tài)性檢驗）。這種條件下有兩種方法：一是用替代的非參數(shù)檢驗（即無分布性檢驗），但這種方法不方便，因為從它所提供的結(jié)論形式看，這種方法統(tǒng)計