T-test-n-F-test区别

T检验和F检验你要检验两独立样本均数差异是否能推论至总体，而行的t检验两样本(如某班男生和女生)某变量(如身高)的均数并不相同，但这差别是否能推论至总体，代表总体的情况也是存在著差异呢？会不会总体中男女生根本没有差别，只不过是你那麼巧抽到这2样本的数值不同？为此，我们进行t检定，算出一个t检定值。与统计学家建立的以「总体中没差别」作基础的随机变量t分布进行比较，看看在多少%的机会(亦即显著性sig值)下会得到目前的结果。若显著性sig值很少，比如0.05(少於5%机率)，亦即是说，「如果」总体「真的」没有差别，那麼就只有在机会很少(5%)、很罕有的情况下，才会出现目前这样本的情况。虽然还是有5%机会出错(1-0.05=5%)，但我们还是可以「比较有信心」的说：目前样本中这情况(男女生出现差异的情况)不是巧合，是具统计学意义的，「总体中男女生不存差异」的虚无假设应予拒绝，简言之，总体应该存在著差异。每一种统计方法的检定的内容都不相同，同样是t-检定，可能是上述的检定总体中是否存在差异，也同能是检定总体中的单一值是否等於0或者等於某一个数值。至於F-检定，方差分析(或译变异数分析，AnalysisofVariance)，它的原理大致也是上面说的，但它是透过检视变量的方差而进行的。它主要用于：均数差别的显著性检验、分离各有关因素并估计其对总变异的作用、分析因素间的交互作用、方差齐性(EqualityofVariances)检验等情况。4，T检验和F检验的关系t检验过程，是对两样本均数(mean)差别的显著性进行检验。惟t检验须知道两个总体的方差(Variances)是否相等；t检验值的计算会因方差是否相等而有所不同。也就是说，t检验须视乎方差齐性(EqualityofVariances)结果。所以，SPSS在进行t-testforEqualityofMeans的同时，也要做Levene'sTestforEqualityofVariances。1.在Levene'sTestforEqualityofVariances一栏中F值为2.36,Sig.为.128，表示方差齐性检验「没有显著差异」，即两方差齐(EqualVariances)，故下面t检验的结果表中要看第一排的数据，亦即方差齐的情况下的t检验的结果。2.在t-testforEqualityofMeans中，第一排(Variances=Equal)的情况：t=8.892,df=84,2-TailSig=.000,MeanDifference=22.99既然Sig=.000，亦即，两样本均数差别有显著性意义！3.到底看哪个Levene'sTestforEqualityofVariances一栏中sig,还是看t-testforEqualityofMeans中那个Sig.(2-tailed)啊?T检验和F检验答案是：两个都要看。先看Levene'sTestforEqualityofVariances，如果方差齐性检验「没有显著差异」，即两方差齐(EqualVariances)，故接著的t检验的结果表中要看第一排的数据，亦即方差齐的情况下的t检验的结果。反之，如果方差齐性检验「有显著差异」，即两方差不齐(UnequalVariances)，故接著的t检验的结果表中要看第二排的数据，亦即方差不齐的情况下的t检验的结果。4.你做的是T检验，为什么会有F值呢?就是因为要评估两个总体的方差(Variances)是否相等，要做Levene'sTestforEqualityofVariances，要检验方差，故所以就有F值。另一种解释：t检验有单样本t检验，配对t检验和两样本t检验。单样本t检验：是用样本均数代表的未知总体均数和已知总体均数进行比较，来观察此组样本与总体的差异性。配对t检验：是采用配对设计方法观察以下几种情形，1，两个同质受试对象分别接受两种不同的处理；2,同一受试对象接受两种不同的处理；3，同一受试对象处理前后。F检验又叫方差齐性检验。在两样本t检验中要用到F检验。从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t'检验或变量变换或秩和检验等方法。其中要判断两总体方差是否相等，就可以用F检验。若是单组设计，必须给出一个标准值或总体均值，同时，提供一组定量的观测结果，应用t检验的前提条件就是该组资料必须服从正态分布；若是配对设计，每对数据的差值必须服从正态分布；若是成组设计，个体之间相互独立，两组资料均取自正态分布的总体，并满足方差齐性。之所以需要这些前提条件，是因为必须在这样的前提下所计算出的t统计量才服从t分布，而t检验正是以t分布作为其理论依据的检验方法。简单来说就是实用T检验是有条件的，其中之一就是要符合方差齐次性，这点需要F检验来验证。