spss结果中F值,t值及其显著性sig的解释

spss结果中，F值，t值及其显着性（sig）的解释

用spss处理完数据的显示结果中，F值，t值及其显着性（sig）都分别是解释什么的？

一般而言，为了确定从样本(sample)统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检定。

通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布(probability distribution)进行比较，我们可以知道在多少%的机会下会得到目前的结果。倘若经比较后发现，出现这结果的机率很少，亦即是说，是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说，这不是巧合，是具有统计学上的意义的(用统计学的话讲，就是能够拒绝虚无假设null hypothesis,Ho)。相反，若比较后发现，出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合，也许是巧合，也许不是，但我们没能确定。

F值和t值就是这些统计检定值，与它们相对应的概率分布，就是F分布和t分布。统计显着性（sig）就是出现目前样本这结果的机率。

至於具体要检定的内容，须看你是在做哪一个统计程序。

举一个例子，

比如，你要检验两独立样本均数差异是否能推论至总体，而行的t检验。

两样本(如某班男生和女生)某变量(如身高)的均数并不相同，

但这差别是否能推论至总体，代表总体的情况也是存在着差异呢？

会不会总体中男女生根本没有差别，只不过是你那麽巧抽到这2样本的数值不同？

为此，我们进行t检定，算出一个t检定值，

与统计学家建立的以「总体中没差别」作基础的随机变量t分布进行比较，

看看在多少%的机会(亦即显着性sig值)下会得到目前的结果。

若显着性sig值很少，比如<0.05(少於5%机率)，

亦即是说，「如果」总体「真的」没有差别，那麽就

只有在机会很少(5%)、很罕有的情况下，才会出现目前这样本的情况。

虽然还是有5%机会出错，但我们还是可以「比较有信心」的说：

目前样本中这情况(男女生出现差异的情况)不是巧合，是具统计学意义的，

「总体中男女生不存差异」的虚无假设应予拒绝，简言之，总体应该存在着差异。

每一种统计方法的检定的内容都不相同，

同样是t-检定，可能是上述的检定总体中是否存在差异，

也同能是检定总体中的单一值是否等於0或者等於某一个数值。

至於F-检定，方差分析(或译变异数分析，Analysis of Variance)，

它的原理大致也是上面说的，但它是透过检视变量的方差而进行的。

它主要用于：均数差别的显着性检验、分离各有关因素并估计其对总变异的作用、分析因素间的交互作用、方差齐性(Equality of Variances)检验等情况。