1. T 考验和 F 考验的由来

个中要断定两总体方差是否相等，就可以用F考验。

一般而言，为了肯定大年夜样本 (sample) 统计结不雅推论至总体时所犯错的概率，我们会应用统计学家所开辟的一些统计办法，进行统计检定。

经由过程把所获得的统计检定值，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，我们可以知道在若干 % 的机会下会获得今朝的结不雅。假使经比较后发明，出现这结不雅的机率很少，亦等于说，是在机会很 少、很罕有的情况下才出现;那我们便可以有信念的说，这不是偶合，是具有统计学上的意义的 (用统计学的话讲，就是可以或许拒绝虚无假设 null hypothesis,Ho)。相反，若比较后发明，出现的机率很高，并不罕有;那我们便不克不及很有信念的直指这不是偶合，也许是偶合，也许不是，但我们没 能肯定。

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。统计米锒裨(sig)就是出现今朝样本这结不雅的机率。

2.统计学意义(P 值或 sig 值)

结不雅的统计学意义，是结不雅真实程度(可以或许代表总体)的一种估计办法。专业上，p 值为结不雅可托程度的一个递减指标，p 值袈浣大年夜，我们越不克不及认为样本中变量的接洽关系是 总体中各变量接洽关系的靠得住指标。p 值是将不雅察结不雅认为有效即具有总体代表性的犯错概率。如 p=0.05 提示样本中变量接洽关系有 5% 的可能是因为有时性造成的。 即假设总体中随便率性变量间均无接洽关系，我们反复类似实验，会发明约 20 个实验中有一个实验，我们所研究的变量接洽关系将等于或强于我们的实验结不雅。(这并不是说如 不雅变量存放在接洽关系，我们可获得 5% 或 95% 次数的雷同结不雅，当总体中的变量存在接洽关系，反复研究?注明接洽关系的可能性与设计的统计学效力有关。)在很多研究领 域，0.05 的 p 值平日被认为是可接收缺点的界线程度。

3. T 考验和 F 考验

至於具体要检定的内容，须看你是在做哪一个统计法度榜样。

举一个例子，比如，你要考验两自力样本劫数差别是否能推论至总体，而行的 t 考验。

两样本 (如某班男生和女生) 某变量 (如身高) 的劫数并不雷同，但这差别是否能推论至总体，代表总体的情况也是存在著差别呢? 会不会总体中男女生根本没有差别，只不过是你那麼巧抽到这 2 样本的数值不合?

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」作基本的随机变量 t 分布进行比较，看看在若干% 的机会 (亦即米锒裨 sig 值) 下会获得今朝的结不雅。

若米锒裨 sig 值很少，比如 <0.05 (少於5% 机率)，亦等于说，「如不雅」总体「真的」没有差别，那麼就只有在机会很少(5%)、很罕有的情况下， 才会出现今朝如许本的情况。固然照样有5% 机会掉足(1-0.05=5%)，但我们照样可以「比较有信念」的说：今朝样本中这情况(男女生出现差别的情 况)不是偶合，是具统计学意义的，「总体中男女生不存差别」的虚无假设应予拒绝，简言之，总体应当存在著差别。

每一种统计办法的检定的内容都不雷同，同样是t-检定，可能是上述的检定总体中是否存在差别，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)，它的道理大年夜致也是膳绫擎说的，但它是经由过程检视变量的方差而进行的。它重要用于：劫数差其余米锒裨考验、分别各有关身分并估计其对总变异 的感化、分析身分间的交互感化、方差齐性(Equality of Variances)考验等情况。

4. T 考验和 F 考验的关系

t 考验过程，是对两样本劫数(mean)差其余米锒裨进行考验。惟 t 考验须知道两个总体的方差(Variances)是否相等;t 考验值的计算会因方差是否相等而有所不合。也就是说，t 考验须视乎方差齐性(Equality of Variances)结不雅。所以，SPSS在进行t-test for Equality of Means的同时，也要做Levene”s Test for Equality of Variances 。

1.在Levene”s Test for Equality of Variances一栏中 F值为2.36, Sig. 为.128，表示方差齐性考验「没有明显差别」，即两方差齐(Equal Variances)，故下面 t 考验的结不雅表中要看第一排的数据，亦即方差齐的情况下的t考验的结不雅。

2. 在t-test for Equality of Means中，第一排(Variances=Equal)的情况：t=8.892, df=84, 2-Tail Sig=.000, Mean Difference=22.99 既然Sig=.000，亦即，两样本劫数差别有米锒裨意义!

另一种解释：

3.到底看哪个Levene”s Test for Equality of Variances一栏中sig, 照样看t-test for Equality of Means中那个Sig. (2-tailed)啊?

谜底是：两个都要看。

并不完全如斯，但大年夜多半考验都直接或借居与之有关，可 以大年夜正态分布中推导出来，如 t考验、f 考验或卡方考验。这些考验一般都请求：所分析变量在总体中呈正态分布，即知足所谓的┞俘态假设。很多不雅察变量切实其实是呈 正态分布的，这也是正态分布是实际世界的根本特点的原因。当人们用在正态分布基本上建立的考验分析非正态分布变量的数据时问题就产生了。

先看Levene”s Test for Equality of Variances，如不雅方差齐性考验「没有明显差别」，即两方差齐(Equal Variances)，故居著的t考验的结不雅表中要看第一排的数据，亦即方差齐的情况下的t考验的结不雅。

反之，如不雅方差齐性考验「有明显差别」，即两方差不齐(Unequal Variances)，故居著的t考验的结不雅表中要看第二排的数据，亦即方差不齐的情况下的t考验的结不雅。

4.你做的是T考验，为什么会有F值呢?

就是因为要评估两个总体的方差(Variances)是否相等，要做Levene”s Test for Equality of Variances，要考验方差，故所以就有F值。

　　推荐阅读

　　3个方法！正确进行下一代网络迁移

人们说，在观光中，达到目标地只是路程乐趣的一部分。然则在收集迁徙中，迁徙完成是全部过程的关键目标。下一代收集迁徙的旁路办事模式已经被应用的昵囗一个范畴是移动办事。移动营业是统>>>详细阅读

本文标题：SPSS干货：区分T检验与F检验

地址：http://www.17bianji.com/lsqh/34869.html

 1/2    1