兩種檢測方法顯著性比較

1. 如何檢驗變數之間是否有顯著差異

（1）參數顯著性檢驗t檢驗對應的Prob，
若小於0.05則參數的顯著性檢驗通過，再看R方，越接近1，擬合優度越高；
F的P值，小於0.05的話模型才顯著，DW用來檢驗殘差序列的相關性的，
在2的附近，說明殘差序列不相關。
（2）標准差是衡量回歸系數值的穩定性

2. t檢驗能用來檢驗兩組數據是否有顯著差異性

雙總體t檢驗才是檢驗兩個樣本平均數與其各自所代表的總體的差異是否顯著。

雙總體t檢驗又分為兩種情況，一是獨立樣本t檢驗（各實驗處理組之間毫無相關存在，即為獨立樣本），該檢驗用於檢驗兩組非相關樣本被試所獲得的數據的差異性；

一是配對樣本t檢驗，用於檢驗匹配而成的兩組被試獲得的數據或同組被試在不同條件下所獲得的數據的差異性，這兩種情況組成的樣本即為相關樣本。

所選擇的檢查方法必須符合其適用條件。

理論上，即使樣本量很小，也可以進行t檢驗。（例如，如果樣本量為10，有些學者認為即使是更小的樣本量也可以），只要每組的變數都是正態分布的，兩組之間的差方將不會有顯著差異。如上所述，數據的正態假設可以通過觀察數據的分布或進行正態檢驗來估計。

方差齊性假設可以用F檢驗，更有效的是用Levene檢驗。如果不滿足這些條件，可以使用修正後的t檢驗，或者使用非參數檢驗代替t檢驗來比較兩組之間的均值。

以上內容參考：網路—t檢驗

3. 比較兩種檢查方法的准確性用啥檢驗

方差分析完全胡扯.方差分析是對定量資料多組分析用的.
t檢驗也不靠譜,t檢驗是對定量資料兩組分析用的.
樓主的資料為二分類定性資料.
卡方檢驗是正確答案.

4. 比較兩組數據顯著差異用什麼檢驗

交叉表卡方檢驗如果結果顯著，那麼有必要考究多個分組之間到底是哪些組間差異(率或構成比)有統計學意義，此時可採取分割法進行兩兩比較。在視頻課程中，我介紹的是自己手動進行篩選個案，將整個樣本拆分為多個兩兩比較的過程，比較麻煩且容易出錯。 今天分享SPSS的一個厲害參數選項——【交叉表→Z檢驗-比較列比例】。借用 生存分析公號 的案例數據，欲考察了解鄉鎮、縣城和城市中不同教師，對「你是否贊成教師聘任實行雙向選擇制度？」這一問題的看法是否存在差異

兩個相關樣本檢驗的方法主要有：Wilcoxon檢驗、Sign（符號）檢驗、McNemar檢驗和Marginal Homogeneity（邊際同質性）檢驗等。

Sign（符號）檢驗

配對資料的符號檢驗，通過分析兩個樣本各每對數據之差的正負符號的數目，來判斷兩個總體分布是否相同，而不考慮差值的實際大小。它對樣本是否來自正態總體沒有嚴格規定，它常用來檢驗兩平均值的一致性。

通常情況下，配對數據之差是正值時為「+」，是負值時為「-」。若所得的差值為「+」、「-」號的個數大致相等，則可認為兩組數據的分布沒有顯著差異，出現「+」或「-」的概率為0.5。若配對數據之差中「+」號和「-」號出現次數懸殊，則說明就可以在一定的顯著性水平α上，推斷這兩組數據的中值水平或總體分布是不相同的。

Wilcoxon符號秩檢驗 ( Wilcoxon signedrank test )

它是非參數統計中符號檢驗法的改進， 它不僅利用了觀察值和原假設中心位置的差的正負，還利用了差的值的大小的信息。雖然是 簡單的非參數方法，但卻體現了秩的基本思想。

將差值按大小順序排列且編自然序號（秩）後，若其正號的秩和（記為T+）與負號的秩

5. 兩個樣本顯著性差異怎麼比較

這是擬合優度檢驗，首先把數據輸正確
原假設：無顯著性差異。備則假設：有顯著性差異。
SPSS軟體中分析——非參數檢驗——舊對話框——卡方檢驗——期望值——值——輸入0.56、0.57。
將得出的卡方值的顯著性與置信度作比較，剩下判斷的東西我想你應該會吧！

6. 如何判斷兩組數據是否有顯著性差異

在作結論時，應確實描述方向性（例如顯著大於或顯著小於）。sig值通常用 P>0.05 表示差異性不顯著；0.01<P<0.05 表示差異性顯著；P<0.01表示差異性極顯著。

顯著性差異是統計學（Statistics）上對數據差異性的評價。通常情況下，實驗結果達到0.05水平或0.01水平，才可以說數據之間具備了差異顯著或是極顯著。

當數據之間具有了顯著性差異，就說明參與比對的數據不是來自於同一總體（Population），而是來自於具有差異的兩個不同總體，這種差異可能因參與比對的數據是來自不同實驗對象的。

一些一般能力測驗中，大學學歷被試組的成績與小學學歷被試組會有顯著性差異。也可能來自於實驗處理對實驗對象造成了根本性狀改變，因而前測後測的數據會有顯著性差異。

(6)兩種檢測方法顯著性比較擴展閱讀：

顯著性檢驗（significance test）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，然後利用樣本信息來判斷這個假設（備擇假設）是否合理，即判斷總體的真實情況與原假設是否有顯著性差異。

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，其原理就是「小概率事件實際不可能性原理」來接受或否定假設。

顯著性檢驗即用於實驗處理組與對照組或兩種不同處理的效應之間是否有差異，以及這種差異是否顯著的方法。

常把一個要檢驗的假設記作H0,稱為原假設（或零假設） (null hypothesis) ，與H0對立的假設記作H1，稱為備擇假設(alternative hypothesis) 。

⑴ 在原假設為真時，決定放棄原假設，稱為第一類錯誤，其出現的概率通常記作α；

⑵ 在原假設不真時，決定不放棄原假設，稱為第二類錯誤，其出現的概率通常記作β

(3)α+β 不一定等於1。

通常只限定犯第一類錯誤的最大概率α， 不考慮犯第二類錯誤的概率β。這樣的假設 檢驗又稱為顯著性檢驗，概率α稱為顯著性水平。

最常用的α值為0.01、0.05、0.10等。一般情況下，根據研究的問題，如果放棄真假設損失大，為減少這類錯誤，α取值小些 ，反之，α取值大些。

參考資料來源：網路-顯著性差異

7. 檢驗兩組數據的精密度是否存在顯著性差異，又是採用什麼檢驗法

如果是兩組數據比較，通常先做F檢驗，判定測量值雙方的標准偏差是否呈現顯著性差異，也就是說先比較一下兩組數據的精密度是否有較大差別，如果兩組數據有一個離散程度很大，一個離散程度小，則可能不符合F檢驗的標准，就沒必要繼續做下一步了，如果符合F檢驗的標准（兩組數據離散程度小），則進一步做雙邊T檢驗，計算T值與T表的數據比較，若小於T表的值，則表示沒有顯著性差異，若大於T表的值則表示存在顯著性差異。

8. 兩組數據中怎麼計算兩組數據間的顯著性差異

1、如圖，比較兩組數據之間的差異性。

9. 用什麼分析方法做顯著性分析

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。