經濟顯著性如何看是否顯著

Ⅰ 第1問如何看統計顯著性

一般會有軟體可以分析，比如spss或者sas，都可以對數據進行統計分析，最後有結果看數據之間差異是否顯著。

Ⅱ 顯著性水平一樣的時候,怎麼看誰更顯著

需要進行以下操作才能夠看得出來。
首先，分別把這兩組數據分別設為x和y，打開SPSS，點擊左下角的Variable View選項卡，在Name列那裡的第一行輸y，第二行輸x，返回Data View選項卡，輸入對應的數據。

進行數據分析（依次點選Analyze——Regression——Linear），分別把y和x選進各自的對話框（最上面的那個是y，下面的那個是x），然後按ok。
在輸出窗口中看到Coefficients這個表，然後看最右邊的那個Sig列，看x對應的Sig值。
若這個sig值比你之前所設定的a值大(a值也就是顯著性水平)，則認為這兩組數不存在顯著性差異。
若這個sig值比你之前所設定的a值小，則認為這兩組數存在顯著性差異。
舉個例子，如果你預先設定的a=0.05，求得的sig=0.000，則0.000<0.05，故應拒絕原假設（原假設一般為設它們之間無差異），認為這兩組數有顯著性差異。

Ⅲ 如何確定顯著性水平

假設檢驗是圍繞對原假設內容的審定而展開的。如

果原假設正確我們接受了（同時也就拒絕了備擇假設），或原假設錯誤我們拒絕了（同時也就接受了備擇假設），這表明我們作出了正確的決定。但是，由於假設檢驗是根據樣本提供的信息進行推斷的，也就有犯錯誤的可能。

有這樣一種情況，原假設正確，而我們卻把它當成錯誤的加以拒絕。犯這種錯誤的概率用α表示，統計上把α稱為假設檢驗中的顯著性水平，也就是決策中所面臨的風險。

(3)經濟顯著性如何看是否顯著擴展閱讀

假設檢驗的意義：

假設檢驗是抽樣推斷中的一項重要內容。它是根據原資料作出一個總體指標是否等於某一個數值，某一隨機變數是否服從某種概率分布的假設，然後利用樣本資料採用一定的統計方法計算出有關檢驗的統計量。

依據一定的概率原則，以較小的風險來判斷估計數值與總體數值(或者估計分布與實際分布)是否存在顯著差異，是否應當接受原假設選擇的一種檢驗方法。

用樣本指標估計總體指標，其結論有的完全可靠，有的只有不同程度的可靠性，需要進一步加以檢驗和證實。

通過檢驗，對樣本指標與假設的總體指標之間是否存在差別作出判斷，是否接受原假設。這里必須明確，進行檢驗的目的不是懷疑樣本指標本身是否計算正確，而是為了分析樣本指標和總體指標之間是否存在顯著差異

Ⅳ 如何判斷兩組數據是否有顯著性差異

在作結論時，應確實描述方向性（例如顯著大於或顯著小於）。sig值通常用 P>0.05 表示差異性不顯著；0.01<P<0.05 表示差異性顯著；P<0.01表示差異性極顯著。

顯著性差異是統計學（Statistics）上對數據差異性的評價。通常情況下，實驗結果達到0.05水平或0.01水平，才可以說數據之間具備了差異顯著或是極顯著。

當數據之間具有了顯著性差異，就說明參與比對的數據不是來自於同一總體（Population），而是來自於具有差異的兩個不同總體，這種差異可能因參與比對的數據是來自不同實驗對象的。

一些一般能力測驗中，大學學歷被試組的成績與小學學歷被試組會有顯著性差異。也可能來自於實驗處理對實驗對象造成了根本性狀改變，因而前測後測的數據會有顯著性差異。

(4)經濟顯著性如何看是否顯著擴展閱讀：

顯著性檢驗（significance test）就是事先對總體（隨機變數）的參數或總體分布形式做出一個假設，然後利用樣本信息來判斷這個假設（備擇假設）是否合理，即判斷總體的真實情況與原假設是否有顯著性差異。

或者說，顯著性檢驗要判斷樣本與我們對總體所做的假設之間的差異是純屬機會變異，還是由我們所做的假設與總體真實情況之間不一致所引起的。 顯著性檢驗是針對我們對總體所做的假設做檢驗，其原理就是「小概率事件實際不可能性原理」來接受或否定假設。

顯著性檢驗即用於實驗處理組與對照組或兩種不同處理的效應之間是否有差異，以及這種差異是否顯著的方法。

常把一個要檢驗的假設記作H0,稱為原假設（或零假設） (null hypothesis) ，與H0對立的假設記作H1，稱為備擇假設(alternative hypothesis) 。

⑴ 在原假設為真時，決定放棄原假設，稱為第一類錯誤，其出現的概率通常記作α；

⑵ 在原假設不真時，決定不放棄原假設，稱為第二類錯誤，其出現的概率通常記作β

(3)α+β 不一定等於1。

通常只限定犯第一類錯誤的最大概率α， 不考慮犯第二類錯誤的概率β。這樣的假設 檢驗又稱為顯著性檢驗，概率α稱為顯著性水平。

最常用的α值為0.01、0.05、0.10等。一般情況下，根據研究的問題，如果放棄真假設損失大，為減少這類錯誤，α取值小些 ，反之，α取值大些。

參考資料來源：網路-顯著性差異

Ⅳ 怎麼看顯著性水平

問題一：怎麼看相關系數顯著性檢驗表？ 這里主要關注兩個信息就夠了，一個是n，那就是你的樣本容量，比如n=100的話就是有100個被試，也即100組配對的數據。根據你的樣本量找到檢驗表裡對應的行。另一個就是根據你定的顯著性水平來看顯著性，一般0.05水平就夠了，比如n=100顯著性水平alpha=0.05時，相關系數顯著性的臨界值為0.195，也就是說這個條件下，只要相關系數r的絕對值在0.195以上，就可以認為此相關系數在0.05水平上顯著。
另外，一般報告的原則是，報告統計量所達到的最高顯著性水平，也就是如果你的數據達到0.01水平的顯著，就不要說它在0.05水平顯著了

問題二：如何確定顯著性水平 0.05和0.01是通常使用的值，可以理解為國際慣例。另戶可以根據實際需要選大於0.05或者小於0.01的值。

問題三：spss如何設置顯著性水平? 具體的p值你能夠看到的，既然小於0.01了，肯定就是小於0.05啊
我替別人做這類的數據分析蠻多的

問題四：夏天如何避暑？ 有錢的話,到避暑聖地比如廬山去.
沒錢的話,在家裡開空調.
愛學習可以到圖書館去看書,享用免費冷氣.
愛逛街,可以去大型商場逛個夠.
實在都不愛,去游泳吧.又涼爽,又可以曬一身古天樂般的古銅色皮膚.很白的皮膚是不健康的啊!

問題五：【高分求教】t顯著性水平怎麼看？？？？高手詳細說下，看了半天沒看出來。 顯著性水平就是那個sig值，不都是0么，怎麼會沒有達到顯著水平0.01啊，應該都顯著的啊。

問題六：如何判斷t檢驗值是否顯著? 你這個小括弧裡面統計的是不是t檢驗值？如果是，那麼兩組在不同處理下，都顯示差異顯著。
t值小於0.05即為顯著。

問題七：spss顯著性檢驗結果怎麼看，求大神幫助 5分 你沒有做方差齊性檢驗嗎？
沒有方差齊性檢驗的結果，骸個F檢驗的結果是不可靠的
我替別人做這類的數據分析蠻多的

Ⅵ spss顯著性檢驗結果怎麼看，求大神幫助

這張圖里的方差分析F檢驗結果不顯著。看顯著性檢驗結果有兩種方法。

1、根據F值判斷。

SPSS輸出的表格中「F」即樣本的計算結果。之後考慮顯著性檢驗的臨界值α和F統計量的自由度，在F檢驗表中查找F的臨界值（下表是α=0.1的F臨界值表，如果α設定為0.05或0.01則應查找對應的F檢驗表）。最後，將SPSS計算出的F值與F臨界值比較，若大於臨界值則可以說在α的意義下結果顯著，否則不顯著。

2、根據Sig.判斷。

SPSS輸出的Sig.結果即將計算出的F值根據自由度轉換為了P-Value，可以直接根據Sig.判斷是否顯著，若Sig.<α則結果顯著，否則不顯著，這一方法更方便。

在此基礎上拓展一下，z檢驗、t檢驗、Chi-Square檢驗（卡方檢驗）等判斷顯著或進行假設檢驗的方式都是類似的，或者根據對應的檢驗表，或者根據P-Value。如果根據檢驗表判斷，可分為三步：

第一步，計算統計量的觀測值，例如此處的F值，這一步SPSS會直接輸出；

第二步，查表，根據自由度和α找到臨界值；

第三步，將SPSS輸出的統計量觀測值與查表所得臨界值進行對比，得出結果。

相較之下，根據P-Value來判斷則非常簡單，SPSS已經根據樣本計算並輸出了P-Value，只需將P-Value和α對比即可。

此外在一些情況下，SPSS也會自動以星號（*）的數量對是否顯著進行標記，例如做相關系數分析時，在0.01級別相關性顯著會標注出「**」，在0.05級別相關性顯著標注「*」等等。

Ⅶ 計量經濟學中常說某個統計量高度顯著，或者什麼顯著度水平，那顯著到底是指什麼啊

是《統計學》中關於假設檢驗的一個專業術語。因為推斷統計的一個基本思想就是用樣本信息來推斷總體信息，調查的樣本是否能夠很好的作為總體的代表，需要構造一些統計量來檢驗。顯著一般就是指的樣本信息對總體信息代表性的好壞。

Ⅷ 如何確定統計學上的顯著性

統計學意義（p值）ZT結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。專業上，p值為結果可信程度的一個遞減指標，p值越大，我們越不能認為樣本中變數的關聯是總體中各變數關聯的可靠指標。p值是將觀察結果認為有效即具有總體代表性的犯錯概率。

通常，許多的科學領域中產生p值的結果≤0.05被認為是統計學意義的邊界線，但是這顯著性水平還包含了相當高的犯錯可能性。結果0.05≥p>0.01被認為是具有統計學意義，而0.01≥p≥0.001被認為具有高度統計學意義。但要注意這種分類僅僅是研究基礎上非正規的判斷常規。

相關觀念

為了將統計學應用到科學，工業以及社會問題上，我們由研究母體開始。這可能是一個國家的人民，石頭中的水晶，或者是某家特定工廠所生產的商品。一個母體甚至可能由許多次同樣的觀察程序所組成；由這種資料收集所組成的母體我們稱它叫時間序列。

推論統計學被用來將資料中的數據模型化，計算它的機率並且做出對於母體的推論。這個推論可能以對/錯問題的答案所呈現（假設檢定），對於數字特徵量的估計（估計），對於未來觀察的預測，關聯性的預測（相關性），或是將關系模型化（回歸）。其他的模型化技術包括變異數分析（ANOVA），時間序列，以及數據挖掘。

以上內容參考：網路-統計學

Ⅸ t檢驗顯著性結果怎麼看

一般定義p<0.05，認為存在顯著性差異。
結果看最後兩列，t就是t值，sig就是p值（顯著性），sig更重要，可知sig<0.05，也就是說t檢驗的結果是顯著，代表當地環境干凈衛生這個自變數的回歸系數有統計學意義。
t檢驗是一種適合小樣本數據的統計分析方法，通過比較不同數據的均值，研究兩組數據之間是否存在差異。對t檢驗結果的解讀，首先判斷p值是否呈現出顯著性，如果呈現出顯著性，則說明兩組數據具有顯著性差異，具體的差異可通過平均值進行對比判斷。

Ⅹ 計量經濟學的顯著性檢驗

抽樣實驗會產生抽樣誤差，對實驗資料進行比較分析時，不能僅憑兩個結果（平均數或率）的不同就作出結論，而是要進行統計學分析，鑒別出兩者差異是抽樣誤差引起的，還是由特定的實驗處理引起的。1．顯著性檢驗的含義和原理 顯著性檢驗即用於實驗處理組與對照組或兩種不同處理的效應之間是否有差異，以及這種差異是否顯著的方法。2．無效假設 顯著性檢驗的基本原理是提出「無效假設」和檢驗「無效假設」成立的機率（P）水平的選擇。所謂「無效假設」，就是當比較實驗處理組與對照組的結果時，假設兩組結果間差異不顯著，即實驗處理對結果沒有影響或無效。經統計學分析後，如發現兩組間差異系抽樣引起的，則「無效假設」成立，可認為這種差異為不顯著（即實驗處理無效）。若兩組間差異不是由抽樣引起的，則「無效假設」不成立，可認為這種差異是顯著的（即實驗處理有效）。3．「無效假設」成立的機率水平 檢驗「無效假設」成立的機率水平一般定為5%（常寫為p≤0.05），其含義是將同一實驗重復100次，兩者結果間的差異有5次以上是由抽樣誤差造成的，則「無效假設」成立，可認為兩組間的差異為不顯著，常記為p>0.05。若兩者結果間的差異5次以下是由抽樣誤差造成的，則「無效假設」不成立，可認為兩組間的差異為顯著，常記為p≤0.05。如果p≤0.01，則認為兩組間的差異為非常顯著。