显著性差异分析
在科学研究和数据分析中，显著性差异分析是一种有效的工具，用于确定两组或多组数据之间是否存在显著的差异。本文将介绍显著性差异分析的基本原理、常用的统计方法以及如何进行分析。
一、显著性差异分析的基本原理
显著性差异分析的基本原理是通过对不同组别的数据进行比较，使用统计学方法来判断差异的显著性。在进行显著性差异分析时，我们通常会设立一个零假设(H0)和一个备择假设(H1)。
零假设(H0)通常表示两组数据没有显著差异，而备择假设(H1)则表示两组数据存在显著差异。显著性水平(alpha)是决定是否拒绝零假设的标准。通常情况下，显著性水平取0.05，即5%的置信水平。
二、常用的统计方法
1. t检验
t检验是一种适用于小样本（样本量较小）情况下的显著性差异分析方法。它可以判断两组数据均值是否存在显著差异。适用于两组数据之间的比较。
2. 方差分析（ANOVA）
方差分析是一种适用于多组数据（三组或三组以上）比较的统计方法。它可以判断多组数据均值之间是否存在显著差异。适用于多组数据之间的比较。 3. 卡方检验
卡方检验是一种适用于两个及以上分类变量的显著性差异分析方法。它可以判断两个或多个分类变量的分布是否存在显著差异。适用于分类变量之间的比较。
三、如何进行进行显著性差异分析时，首先需要根据研究问题选择合适的统计方法。然后，收集相应的数据并进行预处理，如数据清洗和数据转换。接下来，使用选择的统计方法计算统计量，并得出相应的检验结果。
最后，根据检验结果判断差异是否显著，如果显著，则可以拒绝零假设，认定两组或多组数据之间存在显著差异；如果不显著，则接受零假设，认为两组或多组数据没有显著差异。
四、注意事项
在进行显著性差异分析时，需要注意以下几点：
1. 样本容量：样本容量通常需要足够大，以提高分析的可靠性和准确性。
2. 数据类型：不同的统计方法适用于不同类型的数据，如连续型数据和分类型数据。
1.Tukey (John Wilder Tukey) test
最著名的有2个：
（1）Tukey test for multiple comparisons
主要应用于3组或以上的多重比较。比如说一共有4组数据，两两比较产生6个统计值，Tukey-test用于生成一个critical value来控制总体误差（Family wise
error rate，FER），与Tukey test相类似的是Dunnett test，它是控制多对一比较（即3组同时和一个参照组比较）的FER。
（2）Tukey trend test
主要用于检验同一药物不同剂量下和参照药物的线性关系。Tukey trend test简单但及其高效,是生物统计学常用的方法。
2.T-test
T检验，这是1905年w.s.oosset氏首先提出的，当时他以“Student”为笔名发表，故至今有的书籍仍称之为“学生氏检验”。t可能是倍数的意思(times)，t就是样本均数 SX(x)与总体均数(“)间相距几倍标准误(sx)。t检验是用于比较两均数间相差是否显著的。
t检验过程：是对两样本均数(mean)差别的显著性进行检验。唯t检验须知道两个总体的方差(Variances)是否相等；t检验值的计算会因方差是否相等而有所不同。也就是说，t检验须视乎方差齐性(Equality of Variances)结果。所以，SPSS在进行t-test for Equality of Means的同时，也要做Levene's Test for Equality of
Variances 。
3. Dunn’s multiple comparison test
Dunn's test calculates a P value for each pair of columns. These P values answer
this question: If the data were sampled from populations with the same median, what
使用SPSS 进行两组独立样本的t检验、F检验、显著性差异、计算p值
SPSS版本为SPSS 20.
如有以下两组独立的数据，名称分别为“111”，“222”。
111组：4、5、6、6、4
222组：1、2、3、7、7
首先打开SPSS，输入数据，命名分组，体重和组名要对应，111组的就不要输入到222
组了。数据视图如下：
变量视图如下，名称可以改成“分组嗷嗷嗷”“体重喵喵喵”等点击“分析”-“比较均值”-“独立样本T检验”
来到这里，分组变量为“分组嗷嗷嗷”，检验变量为“体重喵喵喵”。
【关键的一步】 点击分组嗷嗷嗷，进行“定义组”【关键的一步】输入对应的两组数据的组名： “ 111” 和“222”
点击确定，可见数据与组名对应上了。
点击“确定”，生成T检验的报告，即将大功告成！
第一个表都知道什么回事就不缩了，excel都能实现的。
第二个表才是重点，不然用SPSS干嘛。
F检验：在两样本t检验中要用到F检验，F检验又叫方差齐性检验，用于判断两总体方差是
否相等，即方差齐性。
如图：F旁边的 Sig的值为.007 即0.007， <0.01, 即两组数据的方差显著性差异！
看到“假设方差相等”和“假设方差不相等”了么？此时由于F检验得出Sig <0.01，即认为假设方差不相等！因此只关注红框中的数据即可。
如图，红框内，Sig（双侧），为.490即0.490，也就是你们要求的P值啦，
Sig ( 也就是P值 ) >0.05，所以两组数据无显著性差异。
PS：同理，如果F检验的Sig >.05（即>0.05），则认为两个样本的 假设方差相等。
所以相应的t检验的结果就看上面那行。
by 20150120 深大医学院 FG
独立样本T检验的条件：
1. 样本来自的两总体正态分布
2. 两总体的方差齐性
3. 独立性：两样本的观测值独立的
若违背上述条件，则使用非参数检验，如Mann-Whitney U test, Kruskal-Wallis one-way analysis
of variance by ranks
评估实用的显著性：关联强度与效果值（eta square, η2）
22212(nn2)tt
Cohen认为，效果值在0.06以下，是微弱关系，0.14>η2>0.06，中度关系，在0.14以上，强度关系。
如果自变量未分组，则选择”“Cut point”选项
体重的差异检验
某校三年级学生的体重和全国三年级学生的体重差异检验
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
weight 20 31.3000 3.24605 .72584
One-Sample Test
Test Value = 32
t
df Sig(2-tailed)... Mean
Difference 95% Confidence Interval of the
Difference
Lower Upper
weight -.964 19 .347
-.70000 -2.2192 .8192
S3.24605S==0.72584n20X
31.30-32==0.964S0.72584XXt
Corrected Total 1844.974 38
a. R Squared = .178 (Adjusted R Squared = .155)
