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。
第一类错误：通常情况下，α水平就是。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。
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假设的总体，也就是认为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。
因为如果变量x与y之间并不存在直线关系，但由于n对观测值（Xi，Yi）也可以根据计算公式求得一个直线回归方程。
显然，这样的直线回归方程所反应的两个变量之间的直线关系是不真实的，所以为了判断直线回归方程的两个变量间的直线关系的真实性，就必须对直线回归的相关系数进行假设检验，检验方法有F和t两种，二者是等价的，任选其一即可。
扩展资料：
进行假设检验应注意的问题：
1、做假设检验之前，应注意资料本身是否有可比性。
2、当差别有统计学意义时应注意这样的差别在实际应用中有无意义。
3、根据资料类型和特点选用正确的假设检验方法。
4、根据专业及经验确定是选用单侧检验还是双侧检验。
5、当检验结果为拒绝无效假设时，应注意有发生I类错误的可能性，即错误地拒绝了本身成立的Ho，发生这种错误的可能性预先是知道的，即检验水准那么大；
当检验结果为不拒绝无效假设时，应注意有发生Ⅱ类错误的可能性，即仍有可能错误地接受了本身就不成立的H0，发生这种错误的可能性预先是不知道的，但与样本含量和I类错误的大小有关系。
6、判断结论时不能绝对化，应注意无论接受或拒绝检验假设，都有判断错误的可能性。7）报告结论时应注意说明所用的统计量，检验的单双侧及P值的确切范围。
本回答被网友采纳这是为了要证明相关不是因为抽样的偶然性造成的。
而是两者之间确有相关的关系。
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。所以要先假设检验