t的值 是表示一个参数值,t的大小是否有意义,主要要根据sig的大小来判断。df是自由度,在数据分析中没有实际意义,可以不去考虑。
假设检验的结论不能绝对化。当一个统计量的值落在临界域内,这个统计量是统计上显著的,这时拒绝虚拟假设。当一个统计量的值落在接受域中,这个检验是统计上不显著的,这是不拒绝虚拟假设H0。因为,其不显著结果的原因有可能是样本数量不够拒绝H0 ,有可能犯第Ⅰ类错误。
正确理解P值与差别有无统计学意义。P越小,不是说明实际差别越大,而是说越有理由拒绝H0 ,越有理由说明两者有差异,差别有无统计学意义和有无专业上的实际意义并不完全相同。
扩展资料:
原理:T检验是用t分布理论来推论差异发生的概率,从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。
意义:
T检验对数据的正态性有一定的耐受能力。如果数据只是稍微偏离正态,结果仍然是稳定的。如果数据偏离正态很远,则需要考虑数据转换或采用非参数方法分析。
两个独立样本T检验的原假设为两个总体均值之间不存在显著性差异,需分两步完成:
①利用F检验进行两总体方差的同质性判断;
②根据方差同质性的判断,决定T统计量和自由度计算公式,进而对T检验的结果给予恰当的判定。
参考资料来源:百度百科-t检验
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)