• #t test one sample t-test: continuous reponse variable two sample t-test: continuous + dichotomous, to calculate: differences in means X1 - X2 SPSS: Independent-Samples T Test case: working hour + ...

The significance of the significance test:
To measure where there is an association between the variables, usually start with a null hypothesis. When there is no association between variables they are said to be statistically independent. A test statistic is a number calculated from the sample which is used to test the null hypothesis. You can think of a test statistic as a single number summarizing how big is the difference is between the data observed and the data expected.
#chi-square test (x² test)
categorical + categorical
Steps: 1) see what the cross-tab for the data looks like (the observed table). 2) calculate what the table would look like if it agreed exactly with the null hypothesis (the expected table). 3) Calculate a number which summarizes how different the observed table is from the expected table.
Case: rating + gender
In this case, if there is no association between gender and attitude, the proportion of male & female respectively in each choice should be same.
#t test
one sample t-test: continuous reponse variable
two sample t-test: continuous + dichotomous, to calculate: differences in means X1 - X2
SPSS: Independent-Samples T Test
case: working hour + gender
#z-test
one sampl z-test: dichotomous response variable, to calculate: differences in proportion X1 - 0.5
two sample z-test: dichotomous + dichotomous, to calculate: differences in proportion X1 - X2
case (one sample): voting
case (two sample): experiment group + control group
#linear regresssion
continuous + continuous
measurement: R (Pearson, correlation between observed and fitted values of Y); R^2 (determination coefficient, imitative effect of the model).

展开全文
• SPSS独立样本T检验后自动识别显著性 环境： python下安装 openpyxl 包 pip install openpyxl Note 下面代码运行要求关闭file文件，在下面的代码中修改设置中的参数，并修改sheet名称后运行，在Excel中按颜色进行...
SPSS独立样本T检验后自动识别显著性
环境：
python下安装 openpyxl 包
pip install openpyxl

Note *
关闭file(EXCEL)文件将SPASS 独立样本T检验结果拷贝到EXCEL的Sheet A1单元格中将SPASS组统计的结果拷贝到EXCEL的Sheet M3单元格中在下面的代码中修改设置中的参数并修改sheet名称并运行在Excel中按颜色进行筛选得到显著性结果
python代码
import openpyxl
from openpyxl.styles import colors
from openpyxl.styles import PatternFill

## 设置
SIGF = 0.05  # F检验显著性阈值
SIGT = 0.05  # T检验显著性阈值

ct1 = PatternFill(fill_type='solid', start_color='FFFF00')  # SIGT显著性标记标记样式
ct2 = PatternFill(fill_type='solid', start_color='66FF99')  # 节点显著性标记样式
ct3 = PatternFill(fill_type='solid', start_color='99CCFF')  # 方差显著性标记样式

file = 'Z:\Research _Project\可控性\DTI_results\low_148 - 副本.xlsx'  # 要处理的文件

WSLEN = 300  # 工作簿行数

# 打开工作表
wb = openpyxl.load_workbook(file)

# 从工作簿中得到表单的名字
print(wb.sheetnames)

ws = wb.active
ws2 = wb.get_sheet_by_name('CN_MCI独立样本T检验')
var = ws2['A']
var2 = ws2['B']
var3 = ws2['M']
sigF = ws2['D']
sigT = ws2['G']
ws2.column_dimensions['H'].width = 17
ws2.column_dimensions['I'].width = 17
ws2.column_dimensions['J'].width = 17
ws2.column_dimensions['K'].width = 17
ws2.column_dimensions['J'].hidden = True
ws2.column_dimensions['K'].hidden = True
ws2.column_dimensions['P'].width = 17
ws2.column_dimensions['Q'].width = 17
ws2.column_dimensions['R'].width = 17

for i in range(4, WSLEN, 2):
var[i + 1].value = var[i].value
if sigF[i].value < SIGF:
if sigT[i + 1].value < SIGT:
print(var[i+1].value, end=',')  # 打印显著性节点
sigT[i + 1].fill = ct1  # 标记显著性
var[i + 1].fill = ct2
var2[i + 1].fill = ct3
var3[i].fill = ct2
var3[i+1].fill = ct2
elif sigT[i].value < SIGT:
print(var[i].value, end=',')  # 打印显著性节点
sigT[i].fill = ct1  # 标记显著性
var[i].fill = ct2  # 标记节点
var2[i].fill = ct3
var3[i].fill = ct2
var3[i + 1].fill = ct2
wb.save(file)


展开全文
• 转载自 http://blog.csdn.net/liyanzhong/article/details/51145381 对两列...本文简单分析excel和SPSS对相关分析和显著性水平的检验应用。（1）方法介绍 Excel中相关性系数可以直接调用CORREL或者Pearson(查看...
转载自 http://blog.csdn.net/liyanzhong/article/details/51145381

对两列数据的相关性以及显著性水平的问题一直有困扰，由于对excel的钟情，总是倾向于把数据分析放在excel中进行。本文简单分析excel和SPSS对相关分析和显著性水平的检验应用。
（1）方法介绍
Excel中相关性系数可以直接调用CORREL或者Pearson(查看帮助发现两者计算公式一样，如下图

SPSS中相关性分析在直接使用“分析—相关—双变量”，然后设置相关系数计算方法以及置信区间。如下图：

相关性的显著水平分析，多数是根据设置的临界值来判断的，就是所谓的置信区间，常见的有99%，95%和90%，意思就是说在这个概率下显著性的水平。比如，你说两列数据相关吧，相关系数确实不大；你说他们不相关吧，理由也不充分，所以就有了显著性水平分析的必要。相关系数的显著性分析可以通过构建T统计量实现：

其中r是相关系数，n是样本量。如果，T值大于临界值|ta|，表明在设定的置信水平上存在正相关；T值小于-|ta|，表明在设定的置信水平上存在负相关；如果-|ta|<T<|ta|,则认为不相关。
（2）实例分析
Excel: 现有两列数据X和Y，首先，用correl函数做出两组数据的相关系数(correl=0.626748)；然后构建T统计量；最后计算99%，95%和90%的置信区间水平下的T临界值（用函数T.INV）。步骤如下：

通过比较T统计值和临界值很容易发现，T统计量（5.89）不在T临界值内（-2.44<T<2.44），所以得出结论是在99%置信水平下两列数据存在显著正相关。同理分析95%和90%水平下也是显著相关（其实不用分析哈，因为99%下都显著相关了，在更低水平下肯定是相关的）。
SPSS：相对更简单，直接通过设置置信区间即可，如下看到在99%下显著相关，因为P=0.000，远小于0.01的水平。


展开全文
• <p>SPSS的KS检验显著性0.00，方差齐性显著性也是0.00，但频数图看是正态分布啊，这是什么原因 <p><img alt="" height="956" src=...
• 显著性差异(ρ，Statistical significance) 是统计学上对数据差异性的评价。...在统计学中，显著性检验是“统计假设检验”(Statistical hypothesis tesing)的一种，显著性检验是检测科学实验中的实验组与对照.
显著性差异 (ρ，Statistical significance) 是统计学上对数据差异性的评价。
当数据之间具有了显著性差异，就说明参与比对的数据应该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，换句话说，实验的样本被统计出是有差别的。

显著性检验
“显著性检验”的英文名称是“significance test”。在统计学中，显著性检验是“统计假设检验”(Statistical hypothesis tesing)的一种，显著性检验是检测科学实验中的实验组与对照组之间是否存在差异以及差异是否显著的办法。“统计假设检验”指出了“显著性检验”的前提条件是“统计假设”，换言之“无假设，不检验”。任何人在使用显著性检验之前必须知道假设是什么。一般而言，把要检验的假设称之为原假设，记为H0，把与H0相对应的假设称之为备择假设，记为H1。         如果原假设为真，而检验的结论却劝你放弃原假设，此时，我们把这种错误称之为第一类错误。通常把第一类错误出现的概率记为。         如果原假设不为真，而检验的结论却劝你接受原假设。此时，我们把这种错误称之为第二类错误，通常第二类错误出现的概率记为。         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。我们把这样的假设检验称为显著性检验，概率α称为显著性水平（α，Significance level）。显著性水平是数学界约定俗成的，一般有α =0.05,0.025.0.01这三种情况。代表着显著性检验的结论错误率必须低于5%或2.5%或1%（统计学中，通常把在现实世界中发生几率小于5%的事件称之为“不可能事件”）。

通常α值选取为0.05（即5％）作为显著性的门槛，但不同实验敏感度要求不同。在某些领域的研究当中，可以提高显著性的门槛，诸如药物测试或精密仪器制造等等，对于这些领域，可能选取0.01更为合适。
由于置信度= 1-α（％），因此如果α值为0.05，那么达到此门槛的测试统计结果置信度就为95％。

P值指的是比较的两者的差别是由机遇所致的可能性大小。P值越小，越有理由认为对比事物间存在差异。例如，P<0.05,就是说结果显示的差别是由机遇所致的可能性不足5%，或者说，别人在同样的条件下重复同样的研究，得出相反结论的可能性不足5%。P>0.05称“不显著”；P<=0.05称“显著”，P<=0.01称“非常显著”

由于常用“显著”来表示P值大小，所以P值最常见的误用是把统计学上的显著与临床或实际中的显著差异相混淆，即混淆“差异具有显著性”和“具有显著差异”二者的意思。其实，前者指的是p<=0.05，即说明有充分的理由认为比较的二者来自同一总体的可能性不足5%，因而认为二者确实有差异，下这个结论出错的可能性<=5%。而后者的意思是二者的差别确实很大。举例来说，4和40的差别很大，因而可以说是“有显著差异”，而4和4.2差别不大，但如果计算得到的P值<=0.05，则认为二者“差别有显著性”，但是不能说“有显著差异”。

P(X=x)<ρ=0.05为“显著(significant)”，统计分析软件SPSS中以*标记；P(X=x)<ρ=0.01为“极显著(extreme significant)”，通常以**标记。
计算并确定统计显著性有点复杂，往往实用中会用一些软件工具来计算，例如IBM的SPSS或者开源的Jamovi，这两者都是统计学分析工具。此外，网上还有一些在线计算器，主要有Z测试计算器和T测试计算器之类，专用于做显著性相关统计学评分的计算。
我们一般使用ORIGIN或者Graphpad便可以画出来。下面，小编给大家介绍一个新软件，专门用来进行统计学分析及画图的软件-MINITAB
链接：https://www.jianshu.com/p/11f91c292bd1；科研论文中常见的P值和显著性是什么意思？一文搞懂P值及其计算 (360doc.com
展开全文
• 1方法 1.1 趋势分析 采用一元线性回归分析和最小...为了进一步评价植被覆盖变化状况，采用F检验法对NDVI变化趋势进行显著性分析，用于表示趋势变化置信度的高低。 式中，n为研究时序；U为误差平方和；Q为回..
• ## R之相关性的显著性检验

万次阅读 多人点赞 2017-12-26 19:26:01
# 在计算好相关系数以后，如何对它们进行统计显著性检验呢？常用的原假设为变量间不相关（即总体的相关系数为0）。 # # cor.test()函数对单个的Pearson、Spearman和Kendall相 # 关系数进行检验:cor.test(x,y,...
• 显著性分析： 将数据导入SPSS，重新命名变量名，检查数据类型是否为数字 对原始数据进行重新赋值，主要是将自变量赋值为1.2.3.4.5….等 菜单栏点击analyze—general linear model—Univariate，将因变量移入...
• 最近在练习R实现相关分析，不试一下不知道，用R去做一个相关系数矩阵以及显著性检验，还这么麻烦，输出的结果也并不能灵活的展示，如果和SPSS或JASP相比的话，的确不怎么方便。案例数据：犯罪数据state.x77后台回复...
• 原链接：https://wenku.baidu.com/view/bdd8abd882d049649b6648d7c1c708a1294a0a77.html
• 参数检验 非参数检验
• 【回归分析】[3]--回归方程的显著性检验 这篇文章准备使用一个例子来说明。 例子的数据： data2 = {{391.95, 488.51}, {516.98, 798.30}, {355.63, 235.08}, {238.55, 299.45}, {537.78, 559.09}, {733...
• 莱文方差等同性检验，第二列显著性=0.815 方差显著性 = 0.815 > 0.05，两组数据的方差无显著差异，可以认为两个独立样本的方差一致 平均值等同性t检验，第五列Sig.(双尾)=0.786 在满足方差齐性的条件下，sig = 0....
• 不可多得的 SPSS时间序列分析教程 一般都是其他软件的，但这是SPSS的。大家可以参考。
• ## SPSS平均值检验

千次阅读 2020-09-26 22:45:24
总目录：SPSS学习整理 平均值检验目的适用情景数据处理SPSS操作SPSS输出结果分析知识点 ...显著性大于0.05即平均值没有显著性差异 相关性测量只有0.001，也就是说储蓄金额和性别关系并不大。 知识点 ...
• 简单相关系数 ...简单相关系数的检验 当我们的数据样本容量小的时候，可信程度就比较差。我们需要对他进行检验。也就是对总相关系数 ρ是否等于0进行检验。 计算相关系数r的t值 当X与Y都服从正态分布，...
• 假设检验的显著性差异检验主要是用来比较两组或多组数据中，是否每组数据...文章目录w检验Levene检验显著性检验单向方差分析（F检验）Kruskal-Wallis H检验事后分析方差齐性方差不齐 w检验 W检验全称Shapiro-Wilk检...
• nSpss：对各调查问题下的数据整体采用firedman test进行显著性分析（ α=0.05 ），获得对应自由度下χ2和p nSpss：采用Wilcoxo符号秩测试对各研究问题下不同实验条件进行两两分析（α=0.05 /nC2，例如四种实验条件...
• 在进行单因素ANOVA检验时结果显示p=0.007，因此未能通过方差齐性检验， 因此改用非参数检验方法。 因为有3个独立样本（3个组），因此进行非参数检验K个独立样本检验 1.输入数据 组别类型为名义，双击即可更改 2....
• SPSS：Logistic回归(Logistic regression)概述。在医学研究中，经常需要分析疾病与各危险因素之间的定量关系，如食管癌的发生与吸烟、饮酒、不良饮食习惯等危险因素的关系，为了正确说明这种关系，需要排除一些混杂...
• 非参数校验，一个非参数校验的案例，SPSS分析
• ## 基于spss的正态分布正态性检验

万次阅读 多人点赞 2019-09-10 11:44:48
****基于spss的正态分布正态性检验****正态分布正态性检验频率直方图实验步骤P-P图实验步骤Q-Q图实验步骤K-S 检验实验步骤描述法(偏度和峰度系数检验)实验步骤 简要介绍这五种方法， 有需要数据练习的练习我 正态...
• SPSS中可以使用分析-一般线性模型中的分析来做显著性分析 其中又有两个选择，单因素与多因素。 查看SPSS官方帮助文档，即点击左下角的“？”，找到了两者区别。 单因素 ...
• 二值Logistic回归模型与普通的回归模型...将Y写成Logistic形式为：Logit(P)=ln(p/1-p)=a0+a1X1+a2X2+...anXn选择SPSS作为分析软件，Analyze->Regression->BinaryLogistic，以此选入因变量Dependent，下面选...
• 显著性检验-独立样本T检验 作业要求：选择适当方法检验两类企业的产品销售率有无显著差异（显著水平为0.05）。 作业数据： 地 区 产品销售率（%） 地区 产品销售率（%） ...
• 性检验：采用方差同质性检验方法（Homogeneity of variance） 在spss中打开你要处理的数据，在菜单栏上执行：analyse-compare means--one-way anova， 打开单因素方差分析对话框 在这个对话框中，将因变量放到...

...