两种检测方法显着性比较

1. 如何检验变量之间是否有显着差异

（1）参数显着性检验t检验对应的Prob，
若小于0.05则参数的显着性检验通过，再看R方，越接近1，拟合优度越高；
F的P值，小于0.05的话模型才显着，DW用来检验残差序列的相关性的，
在2的附近，说明残差序列不相关。
（2）标准差是衡量回归系数值的稳定性

2. t检验能用来检验两组数据是否有显着差异性

双总体t检验才是检验两个样本平均数与其各自所代表的总体的差异是否显着。

双总体t检验又分为两种情况，一是独立样本t检验（各实验处理组之间毫无相关存在，即为独立样本），该检验用于检验两组非相关样本被试所获得的数据的差异性；

一是配对样本t检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。

所选择的检查方法必须符合其适用条件。

理论上，即使样本量很小，也可以进行t检验。（例如，如果样本量为10，有些学者认为即使是更小的样本量也可以），只要每组的变量都是正态分布的，两组之间的差方将不会有显着差异。如上所述，数据的正态假设可以通过观察数据的分布或进行正态检验来估计。

方差齐性假设可以用F检验，更有效的是用Levene检验。如果不满足这些条件，可以使用修正后的t检验，或者使用非参数检验代替t检验来比较两组之间的均值。

以上内容参考：网络—t检验

3. 比较两种检查方法的准确性用啥检验

方差分析完全胡扯.方差分析是对定量资料多组分析用的.
t检验也不靠谱,t检验是对定量资料两组分析用的.
楼主的资料为二分类定性资料.
卡方检验是正确答案.

4. 比较两组数据显着差异用什么检验

交叉表卡方检验如果结果显着，那么有必要考究多个分组之间到底是哪些组间差异(率或构成比)有统计学意义，此时可采取分割法进行两两比较。在视频课程中，我介绍的是自己手动进行筛选个案，将整个样本拆分为多个两两比较的过程，比较麻烦且容易出错。 今天分享SPSS的一个厉害参数选项——【交叉表→Z检验-比较列比例】。借用 生存分析公号 的案例数据，欲考察了解乡镇、县城和城市中不同教师，对“你是否赞成教师聘任实行双向选择制度？”这一问题的看法是否存在差异

两个相关样本检验的方法主要有：Wilcoxon检验、Sign（符号）检验、McNemar检验和Marginal Homogeneity（边际同质性）检验等。

Sign（符号）检验

配对资料的符号检验，通过分析两个样本各每对数据之差的正负符号的数目，来判断两个总体分布是否相同，而不考虑差值的实际大小。它对样本是否来自正态总体没有严格规定，它常用来检验两平均值的一致性。

通常情况下，配对数据之差是正值时为“+”，是负值时为“-”。若所得的差值为“+”、“-”号的个数大致相等，则可认为两组数据的分布没有显着差异，出现“+”或“-”的概率为0.5。若配对数据之差中“+”号和“-”号出现次数悬殊，则说明就可以在一定的显着性水平α上，推断这两组数据的中值水平或总体分布是不相同的。

Wilcoxon符号秩检验 ( Wilcoxon signedrank test )

它是非参数统计中符号检验法的改进， 它不仅利用了观察值和原假设中心位置的差的正负，还利用了差的值的大小的信息。虽然是 简单的非参数方法，但却体现了秩的基本思想。

将差值按大小顺序排列且编自然序号（秩）后，若其正号的秩和（记为T+）与负号的秩

5. 两个样本显着性差异怎么比较

这是拟合优度检验，首先把数据输正确
原假设：无显着性差异。备则假设：有显着性差异。
SPSS软件中分析——非参数检验——旧对话框——卡方检验——期望值——值——输入0.56、0.57。
将得出的卡方值的显着性与置信度作比较，剩下判断的东西我想你应该会吧！

6. 如何判断两组数据是否有显着性差异

在作结论时，应确实描述方向性（例如显着大于或显着小于）。sig值通常用 P>0.05 表示差异性不显着；0.01<P<0.05 表示差异性显着；P<0.01表示差异性极显着。

显着性差异是统计学（Statistics）上对数据差异性的评价。通常情况下，实验结果达到0.05水平或0.01水平，才可以说数据之间具备了差异显着或是极显着。

当数据之间具有了显着性差异，就说明参与比对的数据不是来自于同一总体（Population），而是来自于具有差异的两个不同总体，这种差异可能因参与比对的数据是来自不同实验对象的。

一些一般能力测验中，大学学历被试组的成绩与小学学历被试组会有显着性差异。也可能来自于实验处理对实验对象造成了根本性状改变，因而前测后测的数据会有显着性差异。

(6)两种检测方法显着性比较扩展阅读：

显着性检验（significance test）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（备择假设）是否合理，即判断总体的真实情况与原假设是否有显着性差异。

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。

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，决定不放弃原假设，称为第二类错误，其出现的概率通常记作β

(3)α+β 不一定等于1。

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，如果放弃真假设损失大，为减少这类错误，α取值小些 ，反之，α取值大些。

参考资料来源：网络-显着性差异

7. 检验两组数据的精密度是否存在显着性差异，又是采用什么检验法

如果是两组数据比较，通常先做F检验，判定测量值双方的标准偏差是否呈现显着性差异，也就是说先比较一下两组数据的精密度是否有较大差别，如果两组数据有一个离散程度很大，一个离散程度小，则可能不符合F检验的标准，就没必要继续做下一步了，如果符合F检验的标准（两组数据离散程度小），则进一步做双边T检验，计算T值与T表的数据比较，若小于T表的值，则表示没有显着性差异，若大于T表的值则表示存在显着性差异。

8. 两组数据中怎么计算两组数据间的显着性差异

1、如图，比较两组数据之间的差异性。

9. 用什么分析方法做显着性分析

1，数据输入方式不当。应设变量1为种类（有8个种类，1，2，...8），变量2为指示剂（有2种检测方法,1, 2）。
正确的数据表应为两变量的组合（如1，1；2，1；3，1,,,,)，再加上测定值的三列表格。
注意是4次重复，所以组合也要重复4次。
2，采用单变量方差分析。分析--一般线性模型--单变量。选测定值为因变量，种类和指示剂为固定因子。按需要选择两两比较的方法。确定即可。
3，无法得出哪种指示剂测定的更准确，只能得出两种指示剂测定的结果是否有差异，是否相同。
4，两两比较页面，选入固子种类，再选择两两比较的方法，如Duncan比较方法。一次检验结果是可以一起分析8种类样品之间的差异的。