相关系数检验相关系数的T检验 用SPSS怎么做的

如何查相关系数显著性检验表

1、找到相关系数显著性检验表； 2、然后确定自由度（n-m-1）,n,m分别代表样本个数和未知量维度； 3、查找a0.01 ，a0.05，a.010对应的值； 4、将相关系数r与a比较，确定显著性水平。

显著性检验与相关系数的关系与区别是什么?

相关系数的显著性检验也包括两种情况：一种情况是样本相关系数r与总体相关系数ρ的比较；另一种情况是通过比较两个样本r的差异(r1 - r2)推论各自的总体ρ1和ρ2是否有差异。

为什么要对相关系数进行显著性检验？显著性检验是对谁进行检验？sig.=0.000说明了什么呢？

1、原因： 进行显著性检验进行显著性检验是为了消除第一类错误和第二类错误。

第一类错误:通常情况下，α水平就是。

第一类错误是零假设为真却被错误拒绝的概率。

第二类错误：是零假设为误却被错误接受的概率或是研究假设为真却被拒绝的概率。

如果P值小于某个事先确定的水平，理论上则拒绝零假设，反之，如果P值大于某个事先确定的水平，理论上则不拒绝零假设。

2、检验对象： 用于实验处理组与对照组或两种不同处理的效应之间，显著检验的虚无假设是变量之间相关系数为o，也就是说，我们做显著性检验验解决的问题是相关系数是不是o，如果得到显著的结果，则代表相关性存在。

3、sig.=0.000说明： sig=0.000说明显著性水平p值小于0.001，即相关系数在0.001水平显著。

这里的0.000其实并不是说真的是等于0，如果你在这个数字上三击鼠标，可以看到真实值。

水平越小，判定显著性的证据就越充分，但是不拒绝错误零假设的风险，犯第二类错误的可能性就越大，统计效力(就越低。

选择水平不可避免地要在第一类错误和第二类错误之间做出权衡。

扩展资料： 相关性和独立： 若X和Y不相关， 通常认为X和Y之间不存在线性关系，但并不能排除X和Y之间可能存在其他关系；若 则X和Y不相关。

若X和Y独立，则必有 因而X和Y不相关；若X和Y不相关，则仅仅是不存在线性关系，可能存在其他关系，如 X和Y不独立。

因此，“不相关”是一个比“独立”要弱的概念。

对相关系数进行显著性检验,用t检验还是f检验

对偏回归系数是t检验，整体模型是f检验。

要检验两独立样本均数差异是否能推论至总体，而进行t检验。

两样本某变量的均数并不相同，但这差别能推论至总体，代表总体的情况也是存在著差异，为此，我们进行t检定，算出一个t检定值。

若显著性sig值很少，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，目前样本中这情况不是巧合，是具统计学意义的，的虚无假设应予拒绝，简言之，总体应该存在著差异。

至于F检验，方差分析，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。

均数差别的显著性检验、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、方差齐性检验等情况。

扩展资料： 显著性检验的基本思想： 1、小概率事件在一次试验中是几乎不可能发生的，假若在一次试验中小概率事件事实上发生了。

那只能认为该事件不是来自我们假设的总体，也就是认为我们对总体所做的假设不正确[1]?。

2、由样本资料计算出来的检验统计量观察值所截取的尾部面积。

这个概率越小，反对原假设，认为观察到的差异表明真实的差异存在的证据便越强，观察到的差异便越加理由充分地表明真实差异存在。

3、在检验的操作中，把观察到的显著性水平与作为检验标准的显著水平标准比较，小于这个标准时，得到了拒绝原假设的证据，认为样本数据表明了真实差异存在。

4、根据所提出的显著水平查表得到相应的值，称作临界值，直接用检验统计量的观察值与临界值作比较，观察值落在临界值所划定的尾部内，便拒绝原假设。

参考资料来源： 百度百科—显著性检验 百度百科—t检验 百度百科—f检验

相关系数的T检验 用SPSS怎么做的

分析--回归--线性，选好因变量和自变量。

统计量--选上“估计”和“置信区间，默认为95%”。

分别对应”相关系数及相关系数t检验“和”置信区间95%“。

确定即可，结果都在”系数a“表中。