1楼:
选择不同的回归方法和变量选择方法都可以得到不同的结果,
用二变量logistic回归、有序多变量logistic回归、无序多变量logistic分别试试
spss单因素方差分析结果不太理解,显著性大于0.05怎么办? 50
2楼:匿名用户
大于0.05意味着结果没有达到统计学上的显著,即结果不具有统计学意义,不能判定均值差异是否为随机误差所致。
此时,首先看看效应量,即eta平方,spss分析方差分析都会提供,如果eta平方至少是中等大小以上,比如0.06以上,那么不显著的原因比较有可能是因为统计检验力不够所致。可以增大样本量再次进行方差分析。
如果eta平方比较小,比如0.01左右,结合不显著的结果,可以认为没有均值差异。
3楼:咸菜统计研修室
说明组间差异不显著。试着看看极端值是否处理,以及分组样本量是不是有些太小。(咸菜老师)
4楼:匿名用户
数据结果就是这样,不能接受的话只能修改数据了
spss,三组数据进行差异性分析,做了单因素方差分析后,f值显著性大于0.05表示什么?急,**等。
5楼:南心网心理统计
p值大于0.05,就说明总体上组间没有差异,不需要再继续做差异分析。
二因素方差分析:如果spss的anova表中的两个主效应sig都小于0.05,但交互作用的sig大于0.05,那要如何分析呢
6楼:匿名用户
这个很正常啊
说明主效应有意义,交互作用没意义
7楼:
可以再建立模型,排除交互效应
spss三因素两水平的方差分析后,结果中出现的标准误差怎么是相同的?
8楼:東璟丶
在spss进行数据分析中,各个样本(原始数据,亦即楼主说的平均值)的标准误的获得,是通过描述统计中进行计算得到的。
而通过线性模型中统计计算(如方差分析等)得到的标准误,不是原始数据(亦即楼主所说的平均值)的标准误,而是把同一个处理的几个数据当成一个样本,所以同一个处理的几个原始数据肯定会有相同的标准误。
一句话,想通过spss得到平均值(算术平均值,加权平均值,几何平均值,甚至调和平均值),最好是通过描述性统计里面去得到!
9楼:匿名用户
会不会是你数据输出了?不同的实验设计,数据输入方法是不一样的。你发这样一个截图还是看不出你的问题所在。
10楼:辉
数据的问题,没必要太纠结
有没有可能是在spss里面计算的p值大于0.05,但两两比较的结果又是显著的?是单因素方差分析
11楼:匿名用户
可能。因为每种两两比较的计算和校正的方法不一样,最好以方差分析结果为准。
spss单因素方差分析出一项内容对多个指标显著性均大于0.05做回归分析时 可以把它删掉吗?
12楼:愤怒的公主发火
得结合你的研究假设。如果这几个因素对你的结果可能有影响,即使方差分析结果不显著,也是要放到回归分析中的。
可以在回归分析前先做一下相关分析,看和关键变量是否存在相关,如果相关就需要纳入到回归中
用spss做方差分析,显著水平设定成0.05或0.01有什么区别吗?
13楼:匿名用户
有很大区别,用spss做方差分析,显著水平设定成0.05或0.01的区别在于是否拒绝原假设的判定强弱不同。
1、主要是可能性上有很大区别。
显著性水平取0.01,是在原假设事实正确的情况下,研究者接受这一假设的可能性为99%。
显著性水平取0.05,研究者接受事实正确的原假设的可能性为95%。
扩展资料:
显著水平的意义:
显著性水平是假设检验中的一个概念,是指当原假设为正确时人们却把它拒绝了的概率或风险。它是公认的小概率事件的概率值,必须在每一次统计检验之前确定,通常取α=0.05或α=0.
01。这表明,当作出接受原假设的决定时,其正确的可能性(概率)为95%或99%。
在统计学中,差异显著性检验是“统计假设检验”(statistical hypothesis testing)的一种,用于检测科学实验中实验组与对照组之间是否有差异以及差异是否显著的办法。
在实验进行过程中,尽管尽量排除随机误差的影响,以突出实验的处理效果,但由于个体间无法避免的差异,以及诸多无法控制的因素,使得实验结果最后表现的观察值处理处理效应之外,还包括实验误差的效应。
因此对两个样本进行比较时,必须判断样本间差异主要是随机误差造成的,还是本质不同或处理效应引起的。
14楼:恋人的蜜语吹过
对结果有影响的,0.01的显著水平比0.05更严格,就是0.01意味着结果更难显著,通常用的是0.05。
出现0.000是正常的,当计算出来的p值小于0.001的时候就会出现这个结果,这也和后面的f值有2000多相吻合,这么大的f值,p值肯定很小的。
这么大的f值确实少见,但至于有没有算错,没有原始数据也没办法得出结论,检查下是不是有可能数据录入的差错。
15楼:匿名用户
用spss做方差分析,显著水平设定成0.05或0.01的区别在于是否拒绝原假设的判定强弱不同。
显著性水平取0.01,是在原假设事实正确的情况下,研究者接受这一假设的可能性为99%。显著性水平取0.
05,研究者接受事实正确的原假设的可能性为95%。
显著性水平是在原假设成立时检验统计量的值落在某个极端区域的概率值,估计总体参数落在某一区间内,可能犯错误的概率,用α表示。通常有两种取值0.01和0.05。
1、如果p<0.01,说明是较强的判定结果,拒绝原假设的条件。
2、如果0.013、如果p值》0.05,说明结果无法拒绝原假设。
16楼:诗人的吉他
(1)对结果有影响的,0.01的显著水平比0.05更严格,说白了就是0.01意味着你的结果更难显著,通常用的是0.05。
(2)出现0.000是正常的,当计算出来的p值小于0.001的时候就会出现这个结果,这也和你后面的f值有2000多相吻合,这么大的f值,p值肯定很小的。
(3)这么大的f值确实少见,但至于有没有算错,没有原始数据我也不能给你什么有效的建议,检查下是不是有可能数据录入的差错。
方差分析中的p均大于0.5是什么意思
17楼:
1、单因素方差分析,是检验所有的均值是否相等。而多重均值又称事后检验,其比较是两两之间的。2、单因素方差分析(one-wayanova),用于完全随机设计的多个样本均数间的比较,其统计推断是推断各样本所代表的各总体均数是否相等。
3、事后检验是指将市场风险计量方法或模型的估算结果与实际发生的损益进行比较,以检验计量方法或模型的准确性、可靠性,并据此对计量方法或模型进行调整和改进的一种方法。