为什么要对相关系数进行显著性检验？

为什么要对相关系数进行显著性检验？显著性检验是对谁进行检验？sig.=0.000说明了什么呢？~

1、原因：
进行显著性检验进行显著性检验是为了消除第一类错误和第二类错误。
通常情况下，α水平就是第一类错误。第一类错误是零假设为真却被错误拒绝的概率。第二类错误( )是零假设为误却被错误接受的概率或是研究假设为真却被拒绝的概率。如果P值小于某个事先确定的水平，理论上则拒绝零假设，反之，如果P值大于某个事先确定的水平，理论上则不拒绝零假设。
2、检验对象：
用于实验处理组与对照组或两种不同处理的效应之间
3、sig.=0.000说明：
sig=0.000说明显著性水平p值小于0.001，即相关系数在0.001水平显著。这里的0.000其实并不是说真的是等于0，如果你在这个数字上三击鼠标，可以看到真实值。
水平越小，判定显著性的证据就越充分，但是不拒绝错误零假设的风险，犯第二类错误的可能性就越大，统计效力(就越低。选择水平不可避免地要在第一类错误和第二类错误之间做出权衡。

扩展资料：
显著性检验的基本思想：
1、小概率原理：小概率事件在一次试验中是几乎不可能发生的，假若在一次试验中小概率事件事实上发生了。那只能认为该事件不是来自我们假设的总体，也就是认为我们对总体所做的假设不正确 。
2、观察到的显著水平：由样本资料计算出来的检验统计量观察值所截取的尾部面积。这个概率越小，反对原假设，认为观察到的差异表明真实的差异存在的证据便越强，观察到的差异便越加理由充分地表明真实差异存在。
3、检验所用的显著水平：针对具体问题的具体特点，事先规定这个检验标准。
4、在检验的操作中，把观察到的显著性水平与作为检验标准的显著水平标准比较，小于这个标准时，得到了拒绝原假设的证据，认为样本数据表明了真实差异存在。大于这个标准时，拒绝原假设的证据不足，认为样本数据不足以表明真实差异存在。
5、检验的操作可以用稍许简便一点的作法：根据所提出的显著水平查表得到相应的值，称作临界值，直接用检验统计量的观察值与临界值作比较，观察值落在临界值所划定的尾部内，便拒绝原假设；观察值落在临界值所划定的尾部之外，则认为拒绝原假设的证据不足。
参考资料来源：百度百科--显著性检验

相关系数的显著性检验也包括两种情况：一种情况是样本相关系数r与总体相关系数ρ的比较；另一种情况是通过比较两个样本r的差异(r1 - r2)推论各自的总体ρ1和ρ2是否有差异。

进行显著性检验是为了消除Ⅰ类错误和Ⅱ类错误。

确定两个变量相关之后，两个变量之间的相关是否是因为偶然因素产生的，如果是因为抽样造成的，就没有必要去探究，如果不是因为机遇造成的，就说明其背后存在一个系统的因素，即必然性，这个时候我们就有必要去深究其显著性。

通常情况下，α水平属于第一类错误。第一类错误是零假设为真却被错误拒绝的概率。第二类错误(是零假设为误却被错误接受的概率或是研究假设为真却被拒绝的概率。

如果P值小于某个事先确定的水平，理论上则拒绝零假设，反之，如果P值大于某个事先确定的水平，理论上则不拒绝零假设。

扩展资料

显著度检验的六步：

（1） 研究假设H1 ，即假设两个变量之间有关，注意这里的有关是指有系统的关系，即显著关系；

（2）零假设 H0 ，又被学者称为虚无假设，即两个变量之间没有显著关系；

（3）根据变量类型选择检验方法；

（4）决定愿意承担多大的犯一类错误的风险，这与是否放弃零假设有关；

（5）根据样本计算犯一类错误的风险

一类错误：即弃真，当零假设为真时，却拒绝了零假设，二类错误：即纳伪，当零假设为假时，却接受了零假设；

（6）参照第4—5步决定是否放弃零假设

当根据样本计算的犯一类错误的风险小于愿意承担的犯一类错误的风险的时候，则接受零假设，反之则拒绝零假设。

参考资料来源：百度百科-相关系数

参考资料来源：百度百科-显著性检验

进行显著性检验的原因是为了进一步检测科学实验中实验组与对照组之间是否确实有非偶然因素导致的差异，消除第一类错误和第二类错误。

进行显著性检验，可以通过P值判断结果是否具有统计学意义，排除实验组与对照组的结果差异是有偶然或随机因素造成的，进一步确定是由于对实验做了特定处理引起的，从而消除 第一类错误和第二类错误。其中第一类和第二类错误是指：

1、通常情况下，α水平就是第一类错误。第一类错误是零假设为真却被错误拒绝的概率。

2、第二类错误是零假设为误却被错误接受的概率或是研究假设为真却被拒绝的概率。

扩展资料

显著性检验的基本思想可以用小概率原理来解释。

1、小概率原理：小概率事件在一次试验中是几乎不可能发生的，假若在一次试验中小概率事件事实上发生了。那只能认为该事件不是来自我们假设的总体，也就是认为我们对总体所做的假设不正正确。

2、观察到的显著水平：由样本资料计算出来的检验统计量观察值所截取的尾部面积。这个概率越小，反对原假设，认为观察到的差异表明真实的差异存在的证据便越强，观察到的差异便越加理由充分地表明真实差异存在。

3、检验所用的显著水平：针对具体问题的具体特点，事先规定这个检验标准。

4、在检验的操作中，把观察到的显著性水平与作为检验标准的显著水平标准比较，小于这个标准时，得到了拒绝原假设的证据，认为样本数据表明了真实差异存在。大于这个标准时，拒绝原假设的证据不足，认为样本数据不足以表明真实差异存在。

5、检验的操作可以用稍许简便一点的作法：根据所提出的显著水平查表得到相应的值，称作临界值，直接用检验统计量的观察值与临界值作比较，观察值落在临界值所划定的尾部内，便拒绝原假设；观察值落在临界值所划定的尾部之外，则认为拒绝原假设的证据不足。

参考资料来源：百度百科-显著性检验

进行显著性检验是为了消除Ⅰ类错误和Ⅱ类错误。

通常情况下，α水平就是第一类错误。第一类错误是零假设为真却被错误拒绝的概率。第二类错误(  )是零假设为误却被错误接受的概率或是研究假设为真却被拒绝的概率。

如果P值小于某个事先确定的水平，理论上则拒绝零假设，反之，如果P值大于某个事先确定的水平，理论上则不拒绝零假设。常用的显著性水平是0.05，0.01和0.001  。

不同的水平各有优缺点。水平越小，判定显著性的证据就越充分，但是不拒绝错误零假设的风险，犯第二类错误的可能性就越大，统计效力(就越低。选择水平不可避免地要在第一类错误和第二类错误之间做出权衡。

如果犯第一类错误造成的后果不严重，比如在试探性研究中，我们可以将α水平定得高一些，如0.05或0.1。如果研究样本很小，为了提高统计效力，我们在某些研究中也不妨提高口水平。

但是，如果犯第一类错误造成的后果很严重，比如我们要基于某项研究发现决定是否在全国推行某项教学改革，我们则需要将α水平定得低一些，如0.01或0.001。

扩展资料

相关系数的显著性检验：

①积差相关系数的显著性检验

②相关系数差异的显著性检验

③等级相关与其他系数显著性检验

④相关系数的合并 

显著性检验的虚无假设是变量间相关系数为0，也就是说，我们做显著性检验要解决的问题是相关系数是不是0，如果得到显著的结果，则代表相关存在，相关系数不为0。

参考资料来源：百度百科——显著性检验

进行显著性检验进行显著性检验是为了消除错误。

通常情况下，α水平属于第一类错误。第一类错误是零假设为真却被错误拒绝的概率。第二类错误(是零假设为误却被错误接受的概率或是研究假设为真却被拒绝的概率。如果P值小于某个事先确定的水平，理论上则拒绝零假设，反之，如果P值大于某个事先确定的水平，理论上则不拒绝零假设。

相关的显著性取决于样本量和相关系数的大小，样本量越大，相关系数越大，显著性就越高，即就越不可能是碰巧发生的。举个例子：某个地方两次失窃，均出现了某个人并不意味着这人是小偷。但是，二十次失窃时有十二次均出现了这个人，说明这个人是小偷嫌疑就很大了。

碰巧在十几次失窃处出现这个人的机率大概只有几百分之一。由此可见，做科研时为了证明某一个理论推测，就得重复做实验很多次来验证才能作为结论，即让样本量达到一定的数才能使结论更加可靠。

扩展资料：

相关系数常用的检验方法：

①t检验

适用于计量资料、正态分布、方差具有齐性的两组间小样本比较。包括配对资料间、样本与均数间、两样本均数间比较三种，三者的计算公式不能混淆  。（处理时不用判断分布类型就可以使用t检验）

②t'检验

应用条件与t检验大致相同，但t′检验用于两组间方差不齐时，t′检验的计算公式实际上是方差不齐时t检验的校正公式  。

③U检验

应用条件与t检验基本一致，只是当大样本时用U检验，而小样本时则用t检验，t检验可以代替U检验 。

④方差分析

用于正态分布、方差齐性的多组间计量比较。常见的有单因素分组的多样本均数比较及双因素分组的多个样本均数的比较，方差分析首先是比较各组间总的差异，如总差异有显著性，再进行组间的两两比较，组间比较用q检验或LST检验等   。

⑤X2检验

是计数资料主要的显著性检验方法。用于两个或多个百分比(率)的比较。常见以下几种情况：四格表资料、配对资料、多于2行乘以2列资料及组内分组X2检验

参考资料来源：百度百科-相关系数

参考资料来源：百度百科-显著性检验

　　原因：在对实际现象进行分析时，往往是利用样本数据计算相关系数作为总体相关系数的估计值，但由于样本相关系数具有一定的随机性，它能否说明总体的相关程度往往同样本容量有一定关系。当样本容量很小时，计算出的不一定能反映总体的真实相关关系，而且，当总体不相关时，利用样本数据计算出的也不一定等于零，有时还可能较大，这就会产生虚假相关现象。为判断样本相关系数对总体相关程度的代表性，需要对相关系数进行显著性检验。若在统计上是显著的，说明它可以作为总体相关程度的代表值，否则不能作为总体相关程度的代表值。
　　显著性检验（significance test）就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（备则假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。 显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。

---

普安县19712951808： 为什么要对相关系数进行显著性检验? ？
诏唐百亿： 原因:在对实际现象进行分析时,往往是利用样本数据计算相关系数作为总体相关系数的估计值,但由于样本相关系数具有一定的随机性,它能否说明总体的相关程度往往...

普安县19712951808： 为什么做科研都追求结果达到显著性水平 - ？
诏唐百亿： 1、为什么要对相关系数进行显著性检验?原因:所有的假设检验都是要分析显著性的,拿相关系数来说,我们虽然求得了相关系数值,但是这个相关系数有没有统计学意义呢?换句话说,我们看到的这个相关系数是确实存在呢?还是说只是抽...

普安县19712951808： 为什么要对线性回归方程进行统计检验,一般需要对哪些方面进行检验? - ？
诏唐百亿： 不论是何种数据,用最小二乘法是一定可以得到一个线性关系式的(除非所有的数据相同),但是两组数据并不一定存在线性相关关系,为了避免得到本不存在的回归方程,对相关关系的显著性进行检验.首先要明白:方程的回归计算和曲线的拟合都是一种【近似计算】. 因此,一个哪怕经过“精挑细选”的【线性】方程,它对于样本的《合用》程度依然是【不一定】的.(因为也许这批样本【根本就不能】用《线性方程》来描述)所以为了考察这批样本对这个《线性方程》的贴合程度,为了向其它使用者证明这个方程的合理性,同时也可以为自己打气——这就是这批样本的合适方程,于是就要进行统计检验.

普安县19712951808： 相关系数显著性检验中显著性水平是怎么选的,为什么有的取0.05、有的取0.01呢? - ？
诏唐百亿：[答案] 取0.05就是置信度为95%,取0.01置信度就是99%.具体选哪个就看得到的结果了,如有大部分都得P值都非常小,那就取0.01了,要是P值都很大,那就取0.05好了.一般情况下,0.05就可以,当然0.01就更精确了.

普安县19712951808： 为什么相关系数,回归系数要做假设检验 - ？
诏唐百亿： 相关系数的定义:度量两个随机变量间关联程度的量.相关系数的取值范围为(-1,+1).当相关系数小于0时,称为负相关;大于0时,称为正相关;等于0时,称为零相关.所以要先假设检

普安县19712951808： 在统计学里面两组数据显著相关是怎么判断的? - ？
诏唐百亿： 可以. 因为配对T检验的必要条件是:每一个样本都是严格配对的. 具有相关性不是配对T检验的必要条件,但是在配对样本的实验中,相关系数比较高往往是正常现象和多见现象,只要样本是配对的,而且数据符合正态分布和方差相等,可以进行配对T检验来比较两组数据之间的差异显著性.

普安县19712951808： 相关系数刚好是0.5是显著性吗为什么 - ？
诏唐百亿： 相关数值越接近一或负一时,表示两者的关系越明显,或正相关或负相关.相关系数的强弱仅仅看系数的大小是不够的.一般来说,取绝对值后,0-0.09为没有相关性,0.3-弱,0.1-0.3为弱相关,0.3-0.5为中等相关,0.5-1.0为强相关.但是,往往还需要做显著性差异检验,即t-test,来检验两组数据是否显著相关,这在SPSS里面会自动为你计算的.样本书越是大,需要达到显著性相关的相关系数就会越小.所以这关系到样本大小,如果样本很大,比如说超过300,往往分析出来的相关系数比较低,比如0.2,因为样本量的增大造成了差异的增大,但显著性检验却认为这是极其显著的相关.

普安县19712951808： 为什么要检验序列的相关性和异方差性 - ？
诏唐百亿： 为了证实数据的真实性