單因素方差分析結果分析，懂的進來

1樓：匿名使用者

假設檢驗是推斷統計中的一項重要內容。在假設檢驗中常見到p 值( p-value，probability，pr)，p 值是進行檢驗決策的另一個依據。

p 值即概率，反映某一事件發生的可能性大小。統計學根據顯著性檢驗方法所得到的p 值，一般以p < 0.05 為顯著， p <0.

01 為非常顯著，其含義是樣本間的差異由抽樣誤差所致的概率小於0.05 或0.01。

實際上，p 值不能賦予資料任何重要性，只能說明某事件發生的機率。 p < 0.01 時樣本間的差異比p < 0.

05 時更大，這種說法是錯誤的。統計結果中顯示pr > f，也可寫成pr( >f)，p = p或p = p。

下面的內容列出了p值計算方法

(1) p值是：

1) 一種概率，一種在原假設為真的前提下出現觀察樣本以及更極端情況的概率。

2) 拒絕原假設的最小顯著性水平。

3) 觀察到的(例項的) 顯著性水平。

4) 表示對原假設的支援程度，是用於確定是否應該拒絕原假設的另一種方法。

(2) p 值的計算：

一般地，用x 表示檢驗的統計量，當h0 為真時，可由樣本資料計算出該統計量的值c ，根據檢驗統計量x 的具體分佈，可求出p 值。具體地說: 左側檢驗的p 值為檢驗統計量x 小於樣本統計值c 的概率，即:

p = p 右側檢驗的p 值為檢驗統計量x 大於樣本統計值c 的概率:p = p 雙側檢驗的p 值為檢驗統計量x 落在樣本統計值c 為端點的尾部區域內的概率的2 倍: p = 2p (當c位於分佈曲線的右端時) 或p = 2p (當c 位於分佈曲線的左端時) 。

若x 服從正態分佈和t分佈，其分佈曲線是關於縱軸對稱的，故其p 值可表示為p = p 。計算出p 值後，將給定的顯著性水平α與p 值比較，就可作出檢驗的結論: 如果α > p 值，則在顯著性水平α下拒絕原假設。

如果α ≤ p 值，則在顯著性水平α下接受原假設。在實踐中，當α = p 值時，也即統計量的值c 剛好等於臨界值，為慎重起見，可增加樣本容量，重新進行抽樣檢驗。

p值是怎麼來的

從某總體中抽 ⑴、這一樣本是由該總體抽出，其差別是由抽樣誤差所致； ⑵、這一樣本不是從該總體抽出，所以有所不同。如何判斷是那種原因呢？統計學中用顯著性檢驗賴判斷。

其步驟是： ⑴、建立檢驗假設（又稱無效假設，符號為h0）：如要比較a藥和b藥的療效是否相等，則假設兩組樣本來自同一總體，即a藥的總體療效和b藥相等，差別僅由抽樣誤差引起的碰巧出現的。

⑵、選擇適當的統計方法計算h0成立的可能性即概率有多大，概率用p值表示。⑶、根據選定的顯著性水平（0.05或0.

01），決定接受還是拒絕h0。如果p＞0.05，不能否定「差別由抽樣誤差引起」，則接受h0；如果p＜0.

05或p ＜0.01，可以認為差別不由抽樣誤差引起，可以拒絕h0，則可以接受令一種可能性的假設（又稱備選假設，符號為h1），即兩樣本來自不同的總體，所以兩藥療效有差別。

統計學上規定的p值意義見下表

p值碰巧的概率對無效假設統計意義

p＞0.05 碰巧出現的可能性大於5% 不能否定無效假設兩組差別無顯著意義

p＜0.05 碰巧出現的可能性小於5% 可以否定無效假設兩組差別有顯著意義

p ＜0.01 碰巧出現的可能性小於1% 可以否定無效假設兩者差別有非常顯著意義

注意要點

理解p值，下述幾點必須注意： ⑴p的意義不表示兩組差別的大小，p反映兩組差別有無統計學意義，並不表示差別大小。因此，與對照組相比，c藥取得p＜0.

05，d藥取得p ＜0.01並不表示d的藥效比c強。 ⑵ p＞0.

05時，差異無顯著意義，根據統計學原理可知，不能否認無效假設，但並不認為無效假設肯定成立。在藥效統計分析中，更不表示兩藥等效。哪種將「兩組差別無顯著意義」與「兩組基本等效」相同的做法是缺乏統計學依據的。

⑶統計學主要用上述三種p值表示，也可以計算出確切的p值，有人用p ＜0.001，無此必要。 ⑷顯著性檢驗只是統計結論。

判斷差別還要根據專業知識。樣所得的樣本，其統計量會與總體引數有所不同，這可能是由於兩種原因

spss單因素方差分析結果

2樓：匿名使用者

這個之前就說過很多次了，各組間均值在α=0.05水平上沒有顯著性差異就不要兩兩比較了。