統計上的顯著性和實際上的顯著性的有什麼區別

1樓：羽羽文

統計上的顯著性是指某個變數對整個數學模型或者說計算結果有直接且較大的影響。

實際的顯著性，不太明白你說的什麼，是指的我們日常生活中說的顯著性嗎？比如，某事物對另一事物有明顯的影響，就是可以說「有著顯著影響」。

2樓：

具體說，統計的顯著性是基於某種概率分佈的，前提都要假設資料取自某分佈。然後提出一個規則，符合這個規則的認為統計顯著，不符合的認為統計不顯著。與」統計顯著性」相對應的是」實際顯著性」。

一個統計上顯著的迴歸係數是否大到足以具有實踐上的意義呢? 一種統計上顯著的效應是否大到成為一個重要的問題呢? 我們稱這樣的顯著性為」實際顯著性」, 以區別於前面所述的」統計顯著性」。

實際上的顯著性也就是實質的顯著性，它的定義主要是靠人的主觀判斷，如果沒有一個實質的顯著性定義的話，那麼可以認為統計的顯著性是對實質顯著性的一種度量，是一個模型，但凡模型都會有錯，因此在做假設檢驗的時候要慎重。

3樓：錢來錢往

所謂統計意義上的顯著性是指在不同總體之間的差異比較研究中,由於各個總體存在內在的變異性,而只有在當兩個總體之間的差異超過單個總體內部這類變異性時,它們間的差異才具有統計上的顯著性.否則,當單個總體的內在變異性超過兩個總體之間的差異性時,我們就稱兩個總體之間的差異不具有統計意義上的顯著性.

實際顯著性是指在不同總體之間的差異比較研究中,由於各個總體存在內在的變異性,而只有在當兩個總體之間的差異絕對超過總體內部這類變異性時,我們就稱它們間的差異具有實際意義上的顯著性.

統計上的顯著性和實際上的顯著性的有什麼區別

4樓：

統計上的顯著

性是估計總體引數落在某一區間內，可能犯錯誤的概率，用α表示。顯著性是對差異的程度而言的，程度不同說明引起變動的原因也有不同：一類是條件差異，一類是隨機差異。

它是在進行假設檢驗時事先確定一個可允許的作為判斷界限的小概率標準。顯著性水平是在進行假設檢驗時事先確定一個可允許的作為判斷界限的小概率標準。檢驗中，依據顯著性水平大小把概率劃分為二個區間，小於給定標準的概率區間稱為拒絕區間，大於這個標準則為接受區間。

事件屬於接受區間，原假設成立而無顯著性差異；事件屬於拒絕區間，拒絕原假設而認為有顯著性差異。對顯著水平的理解必須把握以下二點：1、顯著性水平不是一個固定不變的數值，依據拒絕區間所可能承擔的風險來決定。

2、統計上所講的顯著性與實際生活工作中的顯著性是不一樣的。

5樓：東門春經歌

統計學中的顯著性水平α和p分別是什麼意思？請詳細解答，謝謝~

6樓：禾鳥

1、顯著性水平是估計總體引數落在某一區間內，可能犯錯誤的概率，用α表示。

顯著性是對差異的程度而言的，程度不同說明引起變動的原因也有不同：一類是條件差異，二類是隨機差異，是在進行假設檢驗時事先確定一個可允許的作為判斷界限的小概率標準。

2、p值是用來判定假設檢驗結果的一個引數，也可以根據不同的分佈使用分佈的拒絕域進行比較。

p值（p value）就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理就有理由拒絕原假設，p值越小，拒絕原假設的理由越充分。

總之，p值越小，表明結果越顯著。但是檢驗的結果究竟是「顯著的」、「中度顯著的」還是「高度顯著的」需要根據p值的大小和實際問題來解決。

擴充套件資料

顯著性水平的理解：

顯著性水平是在進行假設檢驗時事先確定一個可允許的作為判斷界限的小概率標準。檢驗中，依據顯著性水平大小把概率劃分為二個區間，小於給定標準的概率區間稱為拒絕區間，大於這個標準則為接受區間。

事件屬於接受區間，原假設成立而無顯著性差異；事件屬於拒絕區間，拒絕原假設而認為有顯著性差異。對顯著水平的理解必須把握以下二點：

1、顯著性水平不是一個固定不變的數值，依據拒絕區間所可能承擔的風險來決定。

2、統計上所講的顯著性與實際生活工作中的顯著性是不一樣的。

7樓：餘浩

顯著性水平α在統計學中叫做犯第一類錯誤的大小，第一類錯誤就是原假設是對的，但是被拒絕的概率，我們一般把這個顯著性水平α定為0.05。

假設有個檢驗統計量是f,然後把樣本資料代入f可以算出一個值記為f,那麼p值就是在原假設成立的條件下p(f>f)這個概率大小，如果p值小於給定的顯著性水平α我們就拒絕原假設，否則不拒絕。