anova结果怎么看显著性
多组间比较如何表达统计学的意义
多组间比较如何表达统计学的意义
看到目的，
如果您关心方差分析和成对比较在存在均值差异时具有相同的灵敏度(或检测能力),请将所有成对比较结果作为一个整体对待。应选择Tuk
中介变量怎么使用？
C:控制变量(性别、年龄等。);IV:自变量；DV:因变量；M:中间变量。
分析→回归→线性回归:#34统计#34检查左边的估计和右边的1、2、5。#34选中左边的1，2和右边的1，2，保存#34选项。每当你点击 OK ，你需要抄下 贝塔值和，叫做 beta 在中文版中，R变的地方，F变，方差分析中F标有显著性。重复三次:
第一次:(c，IV)→我，点击确定。
第二次:(c，IV)→DV，点击下一步(th
怎么看异方差检验结果？
假设检验
是指事先对总体参数的值做出假设，然后用样本数据进行验证，从而做出接受或拒绝的结论。
基本思路是:问题是什么？证据是什么？判断的依据是什么？得出结论。
基本步骤:1。提出原始假设和替代假设。
2、确定合适的检验统计量。
3.指定显著性水平@，找出临界值，确定拒绝域和接受域。
4.计算检验统计值并做出统计决策。
其中，假设检验的类型包括:T检验、Z检验、卡方检验、f检验、ANOVA(方差分析)等。
方差分析
也被称为 方差和方差分析，是发明出来的，要求被比较的数据服从正态分布，用来检验两个或多个样本之间差异的显著性。方差分析可用于比较两个或多个样本。方差分析主要用于:①均值差异的显著性检验，②。分离相关因素并估计它们对总变差的影响；③分析因素之间的交互作用；④检验方差齐性。
t检验
主要用于样本量较小(如n30)且总体标准差σ未知的正态分布数据。t检验只能用于比较两个样本的均值以及样本的均值与总体的均值。可以用t检验来比较男女身高是否存在差异。
z检验
是检验大样本(即样本量大于30)平均值差异的常用方法。它利用标准正态分布的理论来判断差异的概率，从而比较两个平均数之间的差异是否显著。
f检验
也称为方差齐性检验。双样本t检验采用f检验。从两个研究人群中随机选择样本。在比较这两个样本时，首先要判断两个总体方差是否相同，即方差的齐性。如果两个总体方差amp相等，可以直接用T检验；如果不是，可以使用T检验或变量变换或秩和检验。其中，判断两个总体方差是否相等，可以用f检验。简单来说就是检验两个样本的方差是否存在显著差异，这是选择什么样的T检验(等方差双样本检验，异方差双样本检验)的前提条件。
T检验和f检验的区别:T检验用于检测数据的准确性——系统误差；f检验用于检测数据精度的偶然误差。
卡方测验
它是统计样本的实际观测值与理论推断值之间的偏差。实际观测值与理论推断值的偏差决定了卡方值的大小。卡方值越大，两者的偏差越小。反之，二者偏差越大，如果两个值完全相等，则卡方值为0，说明理论值完全一致。卡方检验是针对分类变量的。
卡方检验是检验两个变量之间是否存在关系。以运营为例，:卡方检验可以检验男女网购生鲜是否存在差异；不同城市级别的消费者买SUV车有区别吗？如果存在显著差异，我们将考虑将这些变量放入模型或分析中。
下面是假设检验的一个应用例子:
例如，某公司想从国外引进一台自动加工设备。该器件的工作温度x服从正态分布。
(μ，52)，厂家说它的平均工作温度是80度。装置试运行中随机测试16次，平均工作温度为83度。公司考虑样品结果是否与工厂所说的有显著差异。是工厂 s的声明可以接受吗？
根据样本的观测值判断一个关于总体的假设是否成立的问题，就是假设检验问题。我们把任何关于单体分布的假设都称为统计假设，简称假设。在上面的例子中，可以提出两种假设:一种叫做原始假设或零假设。
，记为H0: μ 80(度)；另一种称为替代假说或对立假说，记为H1: μ。≠80(度)这样，上述假设检验问题可以表述为:
H0:μ80 H1:μ≠80
原假设和备择假设是对立的，正确的只有一个。这个替代假说意味着，一旦最初的假说H0被否定，替代假说H1就供你选择。所谓假设检验问题就是判断H0的原假设是否正确，并决定是接受还是拒绝原假设。如果最初的假设被拒绝，另一个假设将被接受。
应该如何做出判断？如果样本确定的结果是100度甚至更高(或者很低)，我们可以直观的感觉到原来的假设是可疑的，拒绝它，因为当原来的假设为真的时候，一个实验中几乎不可能出现远离80度的小概率事件，但是现在出现了。当然，我们必须拒绝H0最初的假设。现在的问题是样品的平均工作温度是83度。虽然结果和厂家说的80度不一样，但是样本是随机的，80度和83度的差异很可能是样本的随机性造成的。在这种情况下，如果要做出接受或拒绝原假设的选择，就必须根据研究问题和决策条件对样本值做出决策。
分析了与原始假设的差异。如果有充分的理由认为这种差异不是偶然的随机因素造成的，即差异显著，则可以拒绝原假设，否则不能拒绝原假设。假设检验本质上是检验原假设是否正确。因此，在检验的过程中，应维持原假设不被轻易否定，否定原假设必须有充分的理由；同时，在接受原假设时，只能认为否定它的依据不足，而不能认为它绝对正确。