1樓：_永無止境
如果資料完全符合方差分析的前提條件，那是不是在方差分析時，檢驗水準應取0.01，降低犯假陽性錯誤的概率？
2樓：spss統計事務所
多重比較時候不再顯示p值的，而是以*代替，*表示p<0.05，**表示p<0.01
spss方差分析結果顯示有顯著差異，p=0.047，但多重比較結果顯示兩兩之間無顯著差異，怎麼回事呢？
3樓：匿名使用者
多重比較是比較保守的，這種情況很常見的啊
就說明組間沒有差異
4樓：陽光的味道
我老師說了，確實跟使用的多重比較方法有關係，你試試不同的方法吧！看看結果如何
spss分析方差齊性p<0.05，但單因素事後比較p>0.05,這還能說明三組資料之間沒有顯著性差異嗎？
5樓：匿名使用者
三組資料之間沒有顯著性差異
是看單因素方差分析的f和p的
方差齊性p<0.05，是用來選擇統計方法的
spss19.0單因素方差分析 如圖，我的p＜0.01，可是在0.05水平下呈現顯著
6樓：中子
這個問題很簡單，p值自然首先要以實際的精確數值為準，如果實際數值在0.01-0.05之間，那回就是0.
05水平的顯答著，如果在0.001-0.01之間，那就是0.
01水平顯著，實際數值你可以在sig**的具體數值上三擊（不是一般的雙擊）滑鼠，這樣可以看到具體的數字，你就知道怎麼寫了，一般比較小的sig值會被spss報表簡化為.000，顯然這不是真實數值，一般星號的標註是不會錯的，只是那個簡化數值誤導了你。
用spss做方差分析，顯著水平設定成0.05或0.01有什麼區別嗎？
7樓：匿名使用者
有很大區別，用spss做方差分析，顯著水平設定成0.05或0.01的區別在於是否拒絕原假設的判定強弱不同。
1、主要是可能性上有很大區別。
顯著性水平取0.01，是在原假設事實正確的情況下，研究者接受這一假設的可能性為99%。
顯著性水平取0.05，研究者接受事實正確的原假設的可能性為95%。
擴充套件資料：
顯著水平的意義：
顯著性水平是假設檢驗中的一個概念，是指當原假設為正確時人們卻把它拒絕了的概率或風險。它是公認的小概率事件的概率值，必須在每一次統計檢驗之前確定，通常取α=0.05或α=0.
01。這表明，當作出接受原假設的決定時，其正確的可能性（概率）為95%或99%。
在統計學中，差異顯著性檢驗是「統計假設檢驗」（statistical hypothesis testing）的一種，用於檢測科學實驗中實驗組與對照組之間是否有差異以及差異是否顯著的辦法。
在實驗進行過程中，儘管儘量排除隨機誤差的影響，以突出實驗的處理效果，但由於個體間無法避免的差異，以及諸多無法控制的因素，使得實驗結果最後表現的觀察值處理處理效應之外，還包括實驗誤差的效應。
因此對兩個樣本進行比較時，必須判斷樣本間差異主要是隨機誤差造成的，還是本質不同或處理效應引起的。
8樓：戀人的蜜語吹過
對結果有影響的，0.01的顯著水平比0.05更嚴格，就是0.01意味著結果更難顯著，通常用的是0.05。
出現0.000是正常的，當計算出來的p值小於0.001的時候就會出現這個結果，這也和後面的f值有2000多相吻合，這麼大的f值，p值肯定很小的。
這麼大的f值確實少見，但至於有沒有算錯，沒有原始資料也沒辦法得出結論，檢查下是不是有可能資料錄入的差錯。
9樓：匿名使用者
用spss做方差分析，顯著水平設定成0.05或0.01的區別在於是否拒絕原假設的判定強弱不同。
顯著性水平取0.01，是在原假設事實正確的情況下，研究者接受這一假設的可能性為99%。顯著性水平取0.
05，研究者接受事實正確的原假設的可能性為95%。
顯著性水平是在原假設成立時檢驗統計量的值落在某個極端區域的概率值，估計總體引數落在某一區間內，可能犯錯誤的概率，用α表示。通常有兩種取值0.01和0.05。
1、如果p<0.01，說明是較強的判定結果，拒絕原假設的條件。
2、如果0.013、如果p值》0.05，說明結果無法拒絕原假設。
10樓：詩人的吉他
（1）對結果有影響的，0.01的顯著水平比0.05更嚴格，說白了就是0.01意味著你的結果更難顯著，通常用的是0.05。
（2）出現0.000是正常的，當計算出來的p值小於0.001的時候就會出現這個結果，這也和你後面的f值有2000多相吻合，這麼大的f值，p值肯定很小的。
（3）這麼大的f值確實少見，但至於有沒有算錯，沒有原始資料我也不能給你什麼有效的建議，檢查下是不是有可能資料錄入的差錯。
有沒有可能是在spss裡面計算的p值大於0.05，但兩兩比較的結果又是顯著的?是單因素方差分析
11樓：匿名使用者
可能。因為每種兩兩比較的計算和校正的方法不一樣，最好以方差分析結果為準。
spss迴歸分析中，p值正好等於0.05，是否顯著？
12樓：夢heart兒
spss迴歸分析中，如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，就有理由拒絕原假設，p值越小，拒絕原假設的理由越充分。總之，p值越小，表明結果越顯著。p=0.
05=α=0.05 此時接受h0 表明引數相等或者無顯著性差異或者不顯著。
p值若與選定顯著性水平（0.05或0.01）相比更小，則零假設會被否定而不可接受。
然而這並不直接表明原假設正確。p值是一個服從正態分佈的隨機變數，在實際使用中因樣本等各種因素存在不確定性。產生的結果可能會帶來爭議。
擴充套件資料
顯著性檢驗有時，根據一定的理論或經驗，認為某一假設h0成立，例如，通常有理由認為特定的一群人的身高服從正態分佈。當收集了一定資料後，可以評價實際資料與理論假設h0之間的偏離，如果偏離達到了「顯著」的程度就拒絕h0，這樣的檢驗方法稱為顯著性檢驗。
偏離達到顯著的程度通常是指定一個很小的正數α（如0.05，0.01），使當h0正確時，它被拒絕的概率不超過α，稱α為顯著性水平。
這種假設檢驗問題的特點是不考慮備擇假設，考慮實驗資料與理論之間擬合的程度如何，故此時又稱為擬合優度檢驗。擬合優度檢驗是一類重要的顯著性檢驗。
13樓：呂秀才
這個嚴謹的說 就直接在**裡對這個p=0.05進行一個討論 可能是顯著 也可能是不顯著，因此可以在以後的研究中擴大樣本量進一步求證。
你就這樣在**裡面寫也是沒問題的
但實際是你雙擊以下 那個0.05 肯定後面還有很多隱藏的位數。所以不可能是恰好等於0.05，一般都是大於0.05
14樓：匿名使用者
可以看做顯著的
統計專業
spss單因素方差分析結果不太理解，顯著性大於0.05怎麼辦？ 50
15樓：匿名使用者
大於0.05意味著結果沒有達到統計學上的顯著，即結果不具有統計學意義，不能判定均值差異是否為隨機誤差所致。
此時，首先看看效應量，即eta平方，spss分析方差分析都會提供，如果eta平方至少是中等大小以上，比如0.06以上，那麼不顯著的原因比較有可能是因為統計檢驗力不夠所致。可以增大樣本量再次進行方差分析。
如果eta平方比較小，比如0.01左右，結合不顯著的結果，可以認為沒有均值差異。
16樓：鹹菜統計研修室
說明組間差異不顯著。試著看看極端值是否處理，以及分組樣本量是不是有些太小。（鹹菜老師）
17樓：匿名使用者
資料結果就是這樣，不能接受的話只能修改資料了
SPSS做極差分析和方差分析，如何用SPSS做兩因素方差分析的資料分析？
如果你用的是英文版的 那麼流程為 analyze general linear model univarite 開啟一個對話方塊 將兩因素選入自變數框 fixed factors 將因變數選入因變數框 dependent variebles 點ok 就可以了 修正的模型 是對方差分析模型的檢驗，其原...
如何用spss進行多因素方差分析
1 進入spss環境，開啟資料檔案。2 選擇變數。在 多變數 視窗中，將 數學成績 專 英語成績 選入 屬 因變數 列表框，將 考生所在地 性別 選入 固定因子 列表框。3 對比設定。單擊對話方塊右側 對比 按鈕，在彈出的視窗中選擇 差值 並單擊 繼續 4 繪圖設定。單擊右側 繪圖 按鈕，將 考生所...
SPSS中單因素方差分析snk檢驗圖怎麼看
只要在1 7個列中bai 同處一列的du 就是沒有zhi差異，你的表中，dao左邊從9往下一直專到12是按平均數從小屬到大排列的，9 20 16 8 14 13 3之間是沒有差異的，9和1以下的都有差異 20 16 8則和6以下的有差異，其他類同。spss中單因素方差分析snk檢驗圖怎麼看 snk法...