無論是科學研究還是統計調查，顯著性檢驗作為判斷兩個或是多個數據集之間是否存在差異的方法一直被廣泛應用于各個科研領域。

如果我們想要判斷樣本與總體所做的假設之間的差異是純屬機會變異，還是由我們所做的假設與總體真實情況之間不一緻所引起的，我們就需要對數據進行顯著性檢驗。在統計學中，顯著性檢驗是“統計假設檢驗”（Statistical hypothesis testing）的一種，就是事先對總體(随機變量)的參數或總體分布形式做出一個假設，然後利用樣本信息來判斷這個假設(備則假設)是否合理，即判斷總體的真實情況與原假設是否有顯著性差異。

針對不同的數據類型，研究者需要使用不同的方法和統計量來實現具體的差異性研究問題。差異研究通常包括以下幾類分析方法，分别是T檢驗、方差分析和卡方檢驗。本文就針對各種數據類型相應檢驗方法及其常見問題進行解答。

三類分析方法的異同點

• 其實核心的區别在于：數據類型不一樣。如果是定類和定類，此時應該使用卡方分析；如果是定類和定量，此時應該使用方差或者T檢驗。
  

• 方差和T檢驗的區别在于，對于T檢驗的X來講，其隻能為2個類别比如男和女。如果X為3個類别比如本科以下，本科，本科以上；此時隻能使用方差分析。

T檢驗：

1) 什麼是單樣本T檢驗？

單樣本T檢驗用于檢驗某個題項平均值是否等于某個數字(自行設定)，此檢驗可用于分析樣本整體态度是否偏離中立态度，比如某題項3分代表中立，可以利用單樣本T檢驗研究樣本對某題項平均得分是否為3分，如果呈現出顯著性，則說明樣本對該題項平均值打分為明顯不為3分，即明顯不應該是中立态度。

2) 獨立樣本T檢驗有兩個P值，應該選擇那一個？

獨立樣本T檢驗時，軟件會輸出方差齊和方差不齊時，分别對應的獨立樣本T檢驗P值，應該結合方差齊性檢驗P值，最終确認獨立樣本T檢驗的P值。

3) 配對樣本T檢驗和獨立樣本T檢驗區别是什麼？

配對樣本T檢驗和獨立樣本T檢驗均可以對比兩組數據的差異，但二者有着明顯區别。配對樣本T檢驗用于實驗研究中，并且進行兩種T檢驗時，SPSS格式數據并不一緻。

方差分析：

1）單因素方差分析時結果顯示方差不齊。

理論上講，單因素方差分析應該首先滿足方差齊性，但在實際研究過程中，較多數據出現方差不齊現象，可以将分類數據X進行重新組合處理，也或者對因變量Y進行取對數或者開根号處理等。另外，如果研究的分類數據為兩類，可以考慮使用獨立樣本T檢驗代表方差分析，避免方差不齊無法分析的尴尬。

2）單因素方差分析如何進行分析？

單因素方差分析是問卷研究中差異對比最為常見的分析方法，應該首先分析是否呈現出顯著性，如果呈現出顯著性，深入對比每組數據的平均得分差異，具體可參考5.3.9部分内容。

3）事後檢驗是否一定需要？

單因素方差分析如果呈現出顯著性，則可能涉及到具體兩兩組别的差異對比。如果研究希望細緻深入分析，則可以使用事後檢驗結果，多數情況下可以直接對比每組數據平均得分，進行差異說明，并不需要進行事後檢驗。

4) 如果因變量是分類數據是否可以進行多因素方差分析？

多因素方差分析的因變量為定量數據。如果希望分析兩個分類數據之間的關系，可以使用卡方分析進行研究。

5) 多因素方差分析，單個變量不顯著，但交互項顯著。

多因素方差分析時，如果單個變量呈現出顯著性，接着才可能進行交互作用研究。如果單個變量不顯著，但是交互項顯著，則時不應該進行交互作用分析。

卡方檢驗：

1）多個P值應該選擇那一個？

卡方分析時，軟件會輸出多個P值，通常情況下應該以Pearson卡方對應的P值作為卡方檢驗結果。

2）卡方分析如何進行文字分析？

卡方分析首先需要進行顯著性檢驗，如果呈現出顯著性則應該深入分析差異性，找出表格中百分比選擇明顯不一緻的地方，并且進行詳細分析。

3）多選題如何進行卡方分析？

類似單選題，多選題也可以進行卡方分析，并且其文字分析與單選題卡方分析類似。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!