1樓：呂秀才
只有相關分析中spss才會在結果矩陣中顯著出乙個*號和兩個*號 以區別0.01和0.05水平的顯著性
其他的分析都是預設在0.05水平下的顯著性 所以不會有*號，至於你看到的**中加的*號 都是後來自己編輯新增的
2樓：天刃士
spss裡面經常不顯示星號的，你只要看sig就可以了。但你在報告的時候需要同時呈現t值和p值，p值就是sig值。你的值因為是小於0.
01的，所以需要在t值右上方自己輸入兩顆星來表示極其顯著。
3樓：匿名使用者
小於0.001，極顯著
星號你自己加啊
4樓：匿名使用者
你版本可能有問題
我經常幫別人做這類的資料分析的
兩獨立樣本t檢驗spss結果怎麼看
5樓：幸運的創業找我
兩獨立樣本spss結果裡，第乙個表是描述性統計;第二個表，左邊是方差齊性檢驗;
如果f值的gig大於0，05，方差齊性，看右邊t檢驗的第一行，t值，sig就是p。如果f值的gig小於0，05，方差不齊性，看右邊t檢驗的第二行，t值，sig就是p。
擴充套件資料
對應的第一行的p值0，510，第一行t值0，659，
獨立樣本t檢測包括兩個檢驗：前乙個是方差齊性檢驗（也就是levene檢驗），後乙個t檢驗。方差齊性檢驗是t檢驗的前提。所以看結果先看方差齊性檢驗結果。
如自主學習動機這一項，方差齊性檢驗結果sig，值，也就是p值0，630>0，05，說明方差齊性（方差相等）。之後的結果全部都要看第一行，也就是假設方差相等這一行。
6樓：我是乙個麻瓜啊
下面這幅圖是從網頁上搜尋得到的乙個結果，我們就拿這個結果來解讀一下如何分析獨立樣本t檢驗的結果。
1.第乙個看第乙個sig值，它是對方差齊性的假設的檢驗，假如sig<0.05，說明不滿足方差齊性，我們認為方差是不齊的。
4.這時候，我們需要看另乙個sig值，這個值仍然是沒有達到顯著水平（0.05)，我們認為兩組是沒有差異的。
擴充套件資料
t檢驗，亦稱student t檢驗（student's t test），主要用於樣本含量較小（例如n < 30），總體標準差σ未知的正態分佈。
t檢驗是用t分布理論來推論差異發生的概率，從而比較兩個平均數的差異是否顯著。它與f檢驗、卡方檢驗並列。t檢驗是戈斯特為了觀測釀酒質量而發明的,並於2023年在biometrika上公布。
注意事項
1、選用的檢驗方法必須符合其適用條件(注意：t檢驗的前提：1.
來自正態分佈總體； 2.隨機樣本 ；3.均數比較時，要求兩樣本總體方差相等，即具有方差齊性)。
理論上，即使樣本量很小時，也可以進行t檢驗。（如樣本量為10，一些學者聲稱甚至更小的樣本也行），只要每組中變數呈正態分佈，兩組方差不會明顯不同。
如上所述，可以通過觀察資料的分布或進行正態性檢驗估計資料的正態假設。方差齊性的假設可進行f檢驗，或進行更有效的levene's檢驗。如果不滿足這些條件，可以採用校正的t檢驗，或者換用非引數檢驗代替t檢驗進行兩組間均值的比較。
2、區分單側檢驗和雙側檢驗。單側檢驗的界值小於雙側檢驗的界值，因此更容易拒絕，犯第ⅰ錯誤的可能性大。t檢驗中的p值是接受兩均值存在差異這個假設可能犯錯的概率。
在統計學上，當兩組觀察物件總體中的確不存在差別時，這個概率與我們拒絕了該假設有關。
3、假設檢驗的結論不能絕對化。當乙個統計量的值落在臨界域內，這個統計量是統計上顯著的，這時拒絕虛擬假設。當乙個統計量的值落在接受域中，這個檢驗是統計上不顯著的，這是不拒絕虛擬假設h0。
因為，其不顯著結果的原因有可能是樣本數量不夠拒絕h0 ，有可能犯第ⅰ類錯誤。
4、正確理解p值與差別有無統計學意義。p越小，不是說明實際差別越大，而是說越有理由拒絕h0 ，越有理由說明兩者有差異，差別有無統計學意義和有無專業上的實際意義並不完全相同。
5、假設檢驗和可信區間的關係結論具有一致性差異：提供的資訊不同區間估計給出總體均值可能取值範圍，但不給出確切的概率值，假設檢驗可以給出h0成立與否的概率 [3] 。
6、涉及多組間比較時，慎用t檢驗。科研實踐中，經常需要進行兩組以上比較，或含有多個自變數並控制各個自變數單獨效應後的各組間的比較，（如性別、藥物型別與劑量），此時，需要用方差分析進行資料分析，方差分析被認為是t檢驗的推廣。在較為複雜的設計時，方差分析具有許多t-檢驗所不具備的優點。
（進行多次的t檢驗進行比較設計中不同格仔均值時）。
7樓：匿名使用者
1、首先開啟乙個資料，資料中用「1」表示男生，「2」表示女生，主要分析的變數就是英語成績，要分析男生和女生之間英語成績有沒有統計學意義上的差異，對於一次考試來講，乙個群體的英語成績應該是趨向乙個值的，就是大部分人的成績都在這個值附近，所以是可以使用獨立樣本t檢驗的。
2、點選「分析」-「比較平均值」-「獨立樣本t檢驗」
3、在彈出的介面中將「性別」選入到「分組變數」中；同時點選「定義組」按鈕
4、在彈出的「定義組」介面中，在「使用指定值」下「組1」文字框中填入「1」，「組2」文字框中填入「2」（因為我們的資料中「1」代表男生，「2」代表女生），然後點選「繼續」
5、將我們的「英語」選入到「檢驗變數」中，點選「確定」
6、點選確定後彈出我介面就是我們的此次關於男生女生英語成績是否有顯著差異的獨立樣本t檢驗的分析結果，，接下來我們就來解讀一下這個結果。
7、第乙個**中的「均值」和「標準差」在**中的表示方法是「x±s」（均數加減標準差，x頂上有個橫槓哈，，網頁上打不出來）
8、第二個**中，t=-5.172 顯著性（雙尾）=0.000，顯著性雙尾就是p，即p=0.
000 ，那麼我我們的p<0.05,所以說男生女生之間的英語成績是有顯著性差異的。
9、是下面一行，即t=-5.171 p=0.000，如果p小於0.
05，依然說明男生女生之間的英語成績是有顯著性差異的。（案例中的上下兩行p都等於0.000，這個只是這個案例是這樣，其他案例不一定哈）
8樓：匿名使用者
共輸出t值和p值，以及還有平均值與標準差值。
從分析角度看p值和平均值更有意義，首先看p值大小，判斷兩組資料是否有顯著性差異，p<0.05代表呈現出顯著性差異，反之，則沒有。具體差異可對比平均值大小。
9樓：匿名使用者
那獨立樣本t檢驗是怕死，結果怎麼看應該找專業的人士？
10樓：匿名使用者
結果裡，第乙個表是描述性統計
第二個表，左邊是方差齊性檢驗，如果f值的gig大於0.05，方差齊性，看右邊t檢驗的第一行，t值，sig就是p。如果f值的gig小於0.
05，方差不齊性，看右邊t檢驗的第二行，t值，sig就是p。
請問這個spss獨立樣本t檢驗的資料是否證明兩者沒有顯著差異啊？ 是看第二行後面那個sig值對嘛？
11樓：呂秀才
首先看f後面的sig 是方差齊性與否的檢驗，如果這個sig＞0.05，說明兩組方差齊性，則看t後面的上面那個sig值；如果f後面的sig＜0.05，說明方差不齊，此時看t後面 下面那個sig值
你這個是說明方差不齊，則看t後面 下面那個sig值為0.113，說明兩組均值沒有顯著差異
為什麼看起來很不同的資料用spss進行獨立樣本t檢驗竟然沒有顯著差異？還是我弄的不對
12樓：
分析結果沒錯的，就是資料太極端了點。
差異顯著性本來分析的就不是兩組資料的平均值哪個大哪個小。
而是分析的兩組資料的可能範圍是否有差異。
也就是1±0和973750±2038549.466兩個資料範圍是否有差異。
很明顯1±0在973750±2038549.466的資料範圍內了。
資料分析結果無法否定兩資料間相等的假設的。
既然不能否定兩者相等，就只能接受兩者相等。
所以出現沒有差異的結果也屬正常。
獨立樣本ttest檢驗怎麼看,兩獨立樣本t檢驗spss結果怎麼看
以spss做獨立樣本t檢驗為例，結果主要看independent samples test這個報表裡面的兩個資料，乙個版是方差齊性檢驗，就權是levene s test for of variances中的sig值，若是大於0.05，則認為符合方差齊性假設，適宜進行t檢驗這樣的引數檢驗，則下面的分析...
SPSS軟體中用配對樣本t檢驗，資料如何輸入，檢測後的資料如何解釋
一般輸入spss裡的都是bai 原始資料du來的，如果你已經確定了是zhi做這個dao配對樣本t檢驗的話，就直接版把原始資料輸進去，再權點那個analyze compare means paired samples t test，看它們的檢驗結果吧。p 0.05有顯著差異，表示這兩個動機存在明顯的差...
兩樣本均數比較的t檢驗的公式,作兩樣本均數比較的t檢驗時,正確的理解是求解釋！
簡而言之，t檢驗和u檢驗就是統計量為t,u的假設檢驗，兩者均是常見的假設檢驗方法。當樣本含量n較大時，樣本均數符合正態分佈，故可用u檢驗進行分析。當樣本含量n小時，若觀察值x符合正態分佈，則用t檢驗 因此時樣本均數符合t分布 當x為未知分布時應採用秩和檢驗。一 樣本均數與總體均數比較的t檢驗 樣本均...