统计假设检验之——相关显著性检验和差异显著性检验

发布网友发布时间：2024-08-19 18:14

共1个回答

热心网友时间：2024-08-23 09:04

在数据统计分析中，由于样本可能存在偶然性，故需对样本统计结果进行显著性检验，以确保统计结果的可靠性。

显著性检验包括多种类型，其中相关性及其检验和差异显著性检验是较为常见的两种统计分析方法，广泛应用于地学、商业、教育、医学等领域。

1. 相关性分析及其显著性检验

1.1 相关分析

相关分析是研究两个或两个以上随机变量间相关关系的统计分析方法，如降水与地形、降水与温度等的相关关系。在进行分析前，首先通过散点图了解变量间大致的关系情况。

1.2 相关分析方法

相关分析法可分为三种：Pearson相关系数、Spearman等级相关系数和Kendall相关系数。其中，最常使用的是Pearson相关系数；当数据不满足正态性时，则使用Spearman相关系数，Kendall相关系数用于判断数据一致性。

1.3 相关系数的计算和编程实现

常用的方法是再SPSS中进行计算：SPSS——Bivariate——Correlation Coefficents复选框——选择其中一种方法计算。在MATLAB和R、Python中也可以轻松实现：使用函数cor（a,b)，推荐使用编程。

2. 差异显著性检验

差异显著性检验是用于比较两个或者多个样本差异是否显著的统计分析方法，常用的方法为t检验和Anova方差分析。

3. 总结

在做数据统计分析时，必须要注意假设检验即查看其显著性水平，这样才能保证统计结果是可靠和可信的。