显著性检验里面的T和P分别代表什么 统计分析中，p值和t值各是什么？

\u65b9\u5dee\u5206\u6790\u4e2dt \u548cp\u5206\u522b\u4ee3\u8868\u4ec0\u4e48\u610f\u601d\uff1f

\u65b9\u5dee\u5206\u6790\uff1a\u6839\u636e\u4e0d\u540c\u9700\u8981\u628a\u67d0\u53d8\u91cf\u65b9\u5dee\u5206\u89e3\u4e3a\u4e0d\u540c\u7684\u90e8\u5206\uff0c\u6bd4\u8f83\u5b83\u4eec\u4e4b\u95f4\u7684\u5927\u5c0f\u5e76\u7528F\u68c0\u9a8c\u8fdb\u884c\u663e\u8457\u6027\u68c0\u9a8c\u7684\u65b9\u6cd5\u3002 \u53c8\u79f0\u201c\u53d8\u5f02\u6570\u5206\u6790\u201d\u6216\u201cF\u68c0\u9a8c\u201d\uff0c\u662f\u7528\u4e8e\u4e24\u4e2a\u53ca\u4e24\u4e2a\u4ee5\u4e0a\u6837\u672c\u5747\u6570\u5dee\u522b\u7684\u663e\u8457\u6027\u68c0\u9a8c\u3002

1\u3001t\u503c
T\u68c0\u9a8c\uff0c\u4ea6\u79f0student t\u68c0\u9a8c\uff08Student's t test\uff09\uff0c\u4e3b\u8981\u7528\u4e8e\u6837\u672c\u542b\u91cf\u8f83\u5c0f\uff08\u4f8b\u5982n < 30\uff09\uff0c\u603b\u4f53\u6807\u51c6\u5dee\u03c3\u672a\u77e5\u7684\u6b63\u6001\u5206\u5e03\u3002
T\u68c0\u9a8c\u662f\u7528t\u5206\u5e03\u7406\u8bba\u6765\u63a8\u8bba\u5dee\u5f02\u53d1\u751f\u7684\u6982\u7387\uff0c\u4ece\u800c\u6bd4\u8f83\u4e24\u4e2a\u5e73\u5747\u6570\u7684\u5dee\u5f02\u662f\u5426\u663e\u8457\u3002\u5b83\u4e0ef\u68c0\u9a8c\u3001\u5361\u65b9\u68c0\u9a8c\u5e76\u5217\u3002t\u68c0\u9a8c\u662f\u6208\u65af\u7279\u4e3a\u4e86\u89c2\u6d4b\u917f\u9152\u8d28\u91cf\u800c\u53d1\u660e\u7684,\u5e76\u4e8e1908\u5e74\u5728Biometrika\u4e0a\u516c\u5e03 \u3002
2\u3001P\u503c
P\u503c\u662f\u7528\u6765\u5224\u5b9a\u5047\u8bbe\u68c0\u9a8c\u7ed3\u679c\u7684\u4e00\u4e2a\u53c2\u6570\uff0c\u4e5f\u53ef\u4ee5\u6839\u636e\u4e0d\u540c\u7684\u5206\u5e03\u4f7f\u7528\u5206\u5e03\u7684\u62d2\u7edd\u57df\u8fdb\u884c\u6bd4\u8f83\u3002\u7531R\u00b7A\u00b7Fisher\u9996\u5148\u63d0\u51fa\u3002
P\u503c\uff08P value\uff09\u5c31\u662f\u5f53\u539f\u5047\u8bbe\u4e3a\u771f\u65f6\u6240\u5f97\u5230\u7684\u6837\u672c\u89c2\u5bdf\u7ed3\u679c\u6216\u66f4\u6781\u7aef\u7ed3\u679c\u51fa\u73b0\u7684\u6982\u7387\u3002\u5982\u679cP\u503c\u5f88\u5c0f\uff0c\u8bf4\u660e\u539f\u5047\u8bbe\u60c5\u51b5\u7684\u53d1\u751f\u7684\u6982\u7387\u5f88\u5c0f\uff0c\u800c\u5982\u679c\u51fa\u73b0\u4e86\uff0c\u6839\u636e\u5c0f\u6982\u7387\u539f\u7406\uff0c\u6211\u4eec\u5c31\u6709\u7406\u7531\u62d2\u7edd\u539f\u5047\u8bbe\uff0cP\u503c\u8d8a\u5c0f\uff0c\u6211\u4eec\u62d2\u7edd\u539f\u5047\u8bbe\u7684\u7406\u7531\u8d8a\u5145\u5206\u3002

\u6269\u5c55\u8d44\u6599
\u5b9e\u7528\u4e3e\u4f8b
1\u3001t\u68c0\u9a8c\u53ef\u7528\u4e8e\u6bd4\u8f83\u7537\u5973\u8eab\u9ad8\u662f\u5426\u5b58\u5728\u5dee\u522b
\u4e3a\u4e86\u8fdb\u884c\u72ec\u7acb\u6837\u672ct\u68c0\u9a8c\uff0c\u9700\u8981\u4e00\u4e2a\u81ea\uff08\u5206\u7ec4\uff09\u53d8\u91cf\uff08\u5982\u6027\u522b\uff1a\u7537\u3001\u5973\uff09\u4e0e\u4e00\u4e2a\u56e0\u53d8\u91cf\uff08\u5982\u8eab\u9ad8\u6d4b\u91cf\u503c\uff09\u3002\u6839\u636e\u81ea\u53d8\u91cf\u7684\u7279\u5b9a\u503c\uff0c\u6bd4\u8f83\u5404\u7ec4\u4e2d\u56e0\u53d8\u91cf\u7684\u5747\u503c\u3002\u7528t\u68c0\u9a8c\u6bd4\u8f83\u4e0b\u5217\u7537\u3001\u5973\u513f\u7ae5\u8eab\u9ad8\u7684\u5747\u503c \u3002
\u5047\u8bbe
H0\uff1a\u7537\u5e73\u5747\u8eab\u9ad8 = \u5973\u5e73\u5747\u8eab\u9ad8
H1\uff1a\u7537\u5e73\u5747\u8eab\u9ad8 \u2260 \u5973\u5e73\u5747\u8eab\u9ad8
\u9009\u7528\u53cc\u4fa7\u68c0\u9a8c\uff1a\u9009\u7528\u03b1=0.05\u7684\u7edf\u8ba1\u663e\u8457\u6c34\u5e73
2\u3001P\u503c
\u4ece\u7814\u7a76\u603b\u4f53\u4e2d\u62bd\u53d6\u4e00\u4e2a\u968f\u673a\u6837\u672c\u8ba1\u7b97\u68c0\u9a8c\u7edf\u8ba1\u91cf\u7684\u503c\u8ba1\u7b97\u6982\u7387P\u503c\u6216\u8005\u8bf4\u89c2\u6d4b\u7684\u663e\u8457\u6c34\u5e73\uff0c\u5373\u5728\u5047\u8bbe\u4e3a\u771f\u65f6\u7684\u524d\u63d0\u4e0b\uff0c\u68c0\u9a8c\u7edf\u8ba1\u91cf\u5927\u4e8e\u6216\u7b49\u4e8e\u5b9e\u9645\u89c2\u6d4b\u503c\u7684\u6982\u7387\u3002
\u5982\u679cP<0.01\uff0c\u8bf4\u660e\u662f\u8f83\u5f3a\u7684\u5224\u5b9a\u7ed3\u679c\uff0c\u62d2\u7edd\u5047\u5b9a\u7684\u53c2\u6570\u53d6\u503c\u3002
\u5982\u679c0.01<P\u503c<0.05\uff0c\u8bf4\u660e\u8f83\u5f31\u7684\u5224\u5b9a\u7ed3\u679c\uff0c\u62d2\u7edd\u5047\u5b9a\u7684\u53c2\u6570\u53d6\u503c\u3002
\u5982\u679cP\u503c>0.05\uff0c\u8bf4\u660e\u7ed3\u679c\u66f4\u503e\u5411\u4e8e\u63a5\u53d7\u5047\u5b9a\u7684\u53c2\u6570\u53d6\u503c\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-t\u503c
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-p\u503c

你好， 显著性检验（significance test）就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（备则假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。 显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。

抽样实验会产生抽样误差，对实验资料进行比较分析时，不能仅凭两个结果（平均数或率）的不同就作出结论，而是要进行统计学分析，鉴别出两者差异是抽样误差引起的，还是由特定的实验处理引起的。

中文名：显著性检验
外文名：significance test
应用领域：数据统计
常用测验：t检验等
分享
含义

显著性检验即用于实验处理组与对照组或两种不同处理的效应之间是否有差异，以及这种差异是否显著的方法。

常把一个要检验的假设记作H0,称为原假设（或零假设） (null hypothesis) ，与H0对立的假设记作H1，称为备择假设(alternative hypothesis) 。

⑴ 在原假设为真时，决定放弃原假设，称为第一类错误，其出现的概率通常记作α；

⑵ 在原假设不真时，决定不放弃原假设，称为第二类错误，其出现的概率通常记作β。

通常只限定犯第一类错误的最大概率α， 不考虑犯第二类错误的概率β。这样的假设 检验又称为显著性检验，概率α称为显著性水平。

最常用的α值为0.01、0.05、0.10等。一般情况下，根据研究的问题，如果放弃真假设损失大，为减少这类错误，α取值小些 ，反之，α取值大些。
希望能帮到你。

鏄捐憲鎬ф楠岄噷闈㈢殑T鍜孭鍒嗗埆浠ｈ〃浠涔
绛旓細鎶芥牱瀹為獙浼氫骇鐢熸娊鏍疯宸紝瀵瑰疄楠岃祫鏂欒繘琛屾瘮杈冨垎鏋愭椂锛屼笉鑳戒粎鍑袱涓粨鏋滐紙骞冲潎鏁版垨鐜囷級鐨勪笉鍚屽氨浣滃嚭缁撹锛岃屾槸瑕佽繘琛岀粺璁″鍒嗘瀽锛岄壌鍒嚭涓よ呭樊寮傛槸鎶芥牱璇樊寮曡捣鐨勶紝杩樻槸鐢辩壒瀹氱殑瀹為獙澶勭悊寮曡捣鐨勩備腑鏂囧悕锛鏄捐憲鎬ф楠 澶栨枃鍚嶏細significance test 搴旂敤棰嗗煙锛氭暟鎹粺璁 甯哥敤娴嬮獙锛t妫楠绛 鍒嗕韩 鍚箟 鏄捐憲鎬ф楠屽嵆...

缁熻瀛涓璽鍊p鍊兼槸浠涔堟剰鎬?鎬庝箞璁＄畻?
绛旓細鍦ㄧ粺璁″涓紝t鍊鍜宲鍊兼槸涓や釜鍏抽敭鐨勬蹇碉紝瀹冧滑瀵逛簬鏁版嵁鐨鏄捐憲鎬ф楠璧风潃鑷冲叧閲嶈鐨勪綔鐢ㄣ倀鍊间富瑕佸簲鐢ㄤ簬t妫楠锛岀壒鍒槸褰撴牱鏈噺杈冨皬锛坣閫氬父灏忎簬30锛夛紝涓旀讳綋鏍囧噯宸湭鐭ワ紝涓旀暟鎹鍚堟鎬佸垎甯冪殑鎯呭喌銆倀妫楠屾槸涓绉嶅弻渚ф楠岋紝閫氳繃姣旇緝鏍锋湰鏁版嵁鐨則鍊间笌涓寸晫鍊硷紝濡傛灉t鍊肩殑缁濆鍊艰秴杩囦复鐣屽硷紝閭ｄ箞鎴戜滑閫氬父浼氭嫆缁...

璋佽兘绠鍗曠殑璁蹭笅缁熻瀛 涓殑t鍊, f鍊, p 鍊肩殑鍚箟鍒嗗埆鏄粈涔
绛旓細2銆丗鍊兼槸F妫楠岀殑缁熻閲忓 銆侳妫楠屾槸涓绉嶅湪闆跺亣璁撅紙null hypothesis,H0锛変箣涓嬶紝缁熻鍊兼湇浠嶧-鍒嗗竷鐨勬楠屻傚叾閫氬父鏄敤鏉ュ垎鏋愮敤浜嗚秴杩囦竴涓弬鏁扮殑缁熻妯″瀷锛屼互鍒ゆ柇璇ユā鍨嬩腑鐨勫叏閮ㄦ垨涓閮ㄥ垎鍙傛暟鏄惁閫傚悎鐢ㄦ潵浼拌姣嶄綋銆3銆丳鍊煎嵆姒傜巼锛屽弽鏄犳煇涓浜嬩欢鍙戠敓鐨勫彲鑳芥уぇ灏忋傜粺璁″鏍规嵁鏄捐憲鎬ф楠鏂规硶鎵寰楀埌鐨凱 鍊硷紝...

缁熻t鍊鍜宲鍊肩殑鍏崇郴,缁熻瀛涓璗鍊煎拰p鍊兼槸浠涔堟剰鎬
绛旓細1銆乼鎸囩殑鏄T妫楠锛屼害绉皊tudent t妫楠锛圫tudent's t test锛夛紝涓昏鐢ㄤ簬鏍锋湰鍚噺杈冨皬锛坣<30锛夛紝鎬讳綋鏍囧噯宸冩湭鐭ョ殑姝ｆ佸垎甯冭祫鏂欍傝绠楋細t鐨勬楠鏄弻渚ф楠岋紝鍙T鍊肩殑缁濆鍊煎ぇ浜庝复鐣屽煎氨鏄笉鎷掔粷鍘熷亣璁俱2銆丳鍊硷紙P value锛夊氨鏄綋鍘熷亣璁句负鐪熸椂鎵寰楀埌鐨勬牱鏈瀵熺粨鏋滄垨鏇存瀬绔粨鏋滃嚭鐜扮殑姒傜巼銆傚鏋淧鍊...

p鍊笺 F鍊笺 t鍊笺 sig鍊鍒嗗埆鏄粈涔堟剰鎬?
绛旓細1銆P鍊兼槸鐢ㄦ潵鍒ゅ畾鍋囪妫楠岀粨鏋滅殑涓涓弬鏁般2銆丗鍊兼槸鏂瑰樊妫楠岄噺锛屾槸鏁翠釜妯″瀷鐨勬暣浣撴楠屻3銆T鍊兼槸瀵规瘡涓涓嚜鍙橀噺鐨勯愪釜妫楠屻4銆乻ig鍊煎寘鍚簡p鍊笺俿ig鏄樉钁楁э紝鍒0.1,0.05鍜0.01涓変釜鏄捐憲鎬ф按骞.閫氳繃sig涓虹浉鍏崇郴鏁版爣鏄熴俿ig鍦0.1鍜0.05涔嬮棿锛屽湪鍒嗘瀽鐨勬椂鍊欏彲浠ヨ鏄氳繃0.1姘村钩鐨鏄捐憲鎬ф楠銆

spss缁撴灉涓,F鍊,t鍊煎強鍏鏄捐憲鎬(sig)鐨勮В閲
绛旓細1銆T鍊琛ㄧず锛氶愪釜妫楠屽悇鑷彉閲忥紙鍥炲綊锛夈2銆丼ig鍊煎寘鍚玴鍊笺傛棤璁烘暟鎹紙sig锛夌殑鏄捐憲鎬ф槸鈥滄樉钁楁р濄佲滀腑搴︽樉钁楁р濊繕鏄滈珮搴︽樉钁楁р濓紝閮介渶瑕佸皢P鍊涓庢樉钁楁姘村钩锛0.05鎴0.01锛夎繘琛屾瘮杈冦傚鏋淧鍊兼槸0.01銆3銆丗鍊艰〃绀猴細鏂瑰樊妫楠岄噺锛屽嵆鏁翠釜妯″瀷鐨勬讳綋妫楠屻4銆丳鍊艰〃绀猴細鐢ㄤ簬纭畾鍋囪妫楠岀粨鏋滅殑鍙傛暟...

t妫楠屽拰p鍊兼庝箞绠?
绛旓細涓や釜姝ラ寰楀嚭鍒嗘瀽缁撴灉锛屽皬鐧戒篃鍙互蹇熷畬鎴愬垎鏋愶細閫変腑鍒嗘瀽鏂规硶锛氭嫋鎷藉垎鏋愰」 杈撳嚭缁撴灉銆係PSSAU鐩存帴杈撳嚭璁烘枃闇瑕佺殑涓夌嚎琛ㄦ牸寮忥紝鍙互鐩存帴澶嶅埗绮樿创浣跨敤銆傞氳繃鍒嗘瀽寤鸿鍙互鐭ラ亾瀵T妫楠鐨勫垎鏋愮粨鏋滅殑瑙ｈ搴旇閲嶇偣鍏虫敞涓婅〃鏍涓殑P鍊硷紝褰揚鍊煎皬浜0.05鎴0.01锛堟牴鎹疄闄呯爺绌惰屽畾锛夛紝鍗冲憟鐜鏄捐憲鎬у樊寮锛岀劧鍚庡啀瀵规瘮骞冲潎鍊...

t鍜宲鍒嗗埆浠ｈ〃浠涔堟剰鎬?
绛旓細鍦˙ASIC绯诲垪涓嬶紝琛ㄧず t 灏忎簬绛変簬p鐨勫钩鏂规牴锛屽湪鍏朵粬璇█涓 锛岃〃绀轰负t<=sqrt(P)锛屽惈涔夋槸涓鏍风殑銆俆鍊煎搴旂殑P鍊硷紝涓鑸湪涓鍏冨洖褰掔殑鎶ュ憡閲屾槸鍋氱殑鍙岃竟妫楠岋細涔熷氨鏄锛屽洖褰掔殑妫楠岄噷锛孴鍒嗗竷鍙栧煎ぇ浜庢眰鍑鐨凾缁熻鍊肩殑鍙兘鎬э紙鍔犵粷瀵瑰肩殑锛夛紝濡傛灉P鍊煎緢澶э紝璇存槑杩欎釜T鍊煎緢闈犺繎鍘熺偣锛岃孭鍊煎緢灏忥紝鍒欒鏄庤繖涓...

p>|t|鍜宲鍊肩殑鍖哄埆
绛旓細濡傛灉P鍊煎緢灏忥紝璇存槑鍘熷亣璁炬儏鍐电殑鍙戠敓鐨勬鐜囧緢灏忥紝鑰屽鏋滃嚭鐜颁簡锛屾牴鎹皬姒傜巼鍘熺悊锛屾垜浠氨鏈夌悊鐢辨嫆缁濆師鍋囪锛孭鍊艰秺灏忥紝鎴戜滑鎷掔粷鍘熷亣璁剧殑鐞嗙敱瓒婂厖鍒嗐3銆丳鍊艰兘鐩存帴璺熸樉钁楁姘村钩姣旇緝锛涜宼鍊兼兂瑕佽窡鏄捐憲鎬ф按骞虫瘮杈冿紝灏卞緱鎹㈢畻鎴怭鍊硷紝鎴栬呭皢鏄捐憲鎬ф按骞虫崲绠楁垚t鍊笺傚湪鐩稿悓鑷敱搴︿笅锛屾煡t琛ㄦ墍寰梩缁熻閲忓艰秺澶э紝...

浠涔堟槸t妫楠?濡備綍璁＄畻p鍊?
绛旓細灏嗘暟鎹斁鍏ュ垎鏋愭涓紝SPSSAU绯荤粺鐢熸垚鐙珛鏍锋湰t妫楠鐨勫垎鏋愮粨鏋滐紝濡備笅锛氬垎鏋愮粨鏋滆В璇讳互鍙婅绠楀叕寮忥細浠庝笂琛ㄥ彲鐭ワ紝鍒╃敤鍗曟牱鏈瑃妫楠12宀佺敺瀛╄韩楂樺叡1椤规槸鍚︽槑鏄剧殑涓嶇瓑浜庢暟瀛142.5锛 12宀佺敺瀛╄韩楂樺叏閮ㄥ潎涓嶄細琛ㄧ幇鍑鏄捐憲鎬(p>0.05)锛屾剰鍛崇潃12宀佺敺瀛╄韩楂樺叡1椤圭殑骞冲潎鍊兼帴杩戜簬鏁板瓧142.5锛屾病鏈夌粺璁℃剰涔変笂鐨宸紓...

扩展阅读：显著水平0.01和0.05怎么选 ... t值大于多少才显著 ... t是怎么进入p的 ... t检验表完整图 ... 5%水平显著t值是多少 ... 置信度为95%时的t值表 ... t检验的p值对照表 ... t检验多少一般为显著 ... p值大于0.05说明什么 ...