在SPSS软件统计结果中,不管是回归分析还是其它分析,都会看到“SIG”,SIG=significance,意为“显著性”,后面的值就是统计出的P值,如果P值0.01<P<0.05,则为差异显著,如果P<0.01,则差异极显著。
p值是指在一个概率模型中,统计摘要(如两组样本均值差)与实际观测数据相同,或甚至更大这一事件发生的概率。换言之,是检验假设零假设成立或表现更严重的可能性。p值若与选定显著性水平(0.05或0.01)相比更小。
则零假设会被否定而不可接受。然而这并不直接表明原假设正确。p值是一个服从正态分布的随机变量,在实际使用中因样本等各种因素存在不确定性。产生的结果可能会带来争议。
检验统计量的构造与曼惠特尼相似,如果一个样本的观测值小于另一个样本的个数较多或较少,那么,多样本的位置之间有大小关系。(J反映了单调的趋势,J越大单调趋势越显著)
类似的,递减的检验为P(J≤c)=1-α(或构建Uij=(Xik>Xjl))。
当样本足够大时,构造Z近似于标准正态分布。
扩展资料:
回归分析的主要内容为:
1、从一组数据出发,确定某些变量之间的定量关系式,即建立数学模型并估计其中的未知参数。估计参数的常用方法是最小二乘法。
2、对这些关系式的可信程度进行检验。
3、在许多自变量共同影响着一个因变量的关系中,判断哪个(或哪些)自变量的影响是显著的,哪些自变量的影响是不显著的,将影响显著的自变量加入模型中,而剔除影响不显著的变量,通常用逐步回归、向前回归和向后回归等方法。
4、用所求的关系式对某一生产过程进行预测或控制。回归分析的应用是非常广泛的,统计软件包使各种回归方法计算十分方便。
在回归分析中,把变量分为两类。一类是因变量,它们通常是实际问题中所关心的一类指标,通常用Y表示;而影响因变量取值的的另一类变量称为自变量,用X来表示。
参考资料来源:百度百科-回归分析
参考资料来源:百度百科-p值
参考资料来源:百度百科-显著性
sig值就是P值,如果P值小于0.01即说明某件事情的发生至少有99%的把握,如果P值小于0.05(并且大于0.01)则说明某件事情的发生至少有95%的把握。
常见标准有0.01和0.05。符号标示:0.01使用2个*号表示,0.05使用1个*号表示。
具体可以查看spssau的基础统计概念文档,还有数据分析思路框架。