t检验自由度的意义_T检验、F检验和统计学意义

【统计学】

T

检验、

F

检验和统计学意义(

P

值或

sig

值)，想了解显著性差异

的也可以来看

2007

年

10

月

12

日

星期五

10:45

1,T

检验和

F

检验的由来

一般而言，

为了确定从样本

(sample)

统计结果推论至总体时所犯错的概率，

我们

会利用统计学家所开发的一些统计方法，进行统计检定。

通过把所得到的统计检定值，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，我们可以知道在多少

%

的机会下会得到

目前的结果。倘若经比较后发现，出现这结果的机率很少，亦即是说，是在机会

很少、很罕有的情况下才出现；那我们便可以有信心的说，这不是巧合，是具有

统计学上的意义的

(

用统计学的话讲，就是能够拒绝虚无假设

null

hypothesis,Ho)

。相反，若比较后发现，出现的机率很高，并不罕见；那我们便

不能很有信心的直指这不是巧合，也许是巧合，也许不是，但我们没能确定。

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。统计显著性(

sig

)就是出现目前样本这结果的机率。

2

，统计学意义(

P

值或

sig

值)

结果的统计学意义是结果真实程度(能够代表总体)的一种估计方法。专业上，

p

值为结果可信程度的一个递减指标，

p

值越大，我们越不能认为样本中变量的

关联是总体中各变量关联的可靠指标。

p

值是将观察结果认为有效即具有总体代

表性的犯错概率。

如

p=0.05

提示样本中变量关联有

5%

的可能是由于偶然性造成

的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约

20

个实

验中有一个实验，

我们所研究的变量关联将等于或强于我们的实验结果。

(这并

不是说如果变量间存在关联，

我们可得到

5%

或

95%

次数的相同结果，

当总体中的

变量存在关联，

重复研究和发现关联的可能性与设计的统计学效力有关。

)

在许

多研究领域，

0.05

的

p

值通常被认为是可接受错误的边界水平。

3

，

T

检验和

F

检验

至于具体要检定的内容，须看你是在做哪一个统计程序。

举一个例子，比如，你要检验两独立样本均数差异是否能推论至总体，而行的

t

检验。

两样本

(

如某班男生和女生

)

某变量

(

如身高

)

的均数并不相同，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异呢？

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

样本的数值不同？

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」作基础的

随机变量

t

分布进行比较，看看在多少

%

的机会

(

亦即显著性

sig

值

)

下会得到目

前的结果。

若显著性

sig

值很少，比如

<0.05(

少于

5%

机率

)

，亦即是说，「如

果」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