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？

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0.01

3、如果P值>0.05，说明结果无法拒绝原假设。

扩展资料：

当原假设为真时，根据样本观察结果计算的检验统计量落入拒绝域的概率。如果P值很小，说明这种情况的发生的概率很小，而如果出现了，根据小概率原理，就有理由拒绝原假设，P值越小，拒绝原假设的理由越充分。小概率通常用0.01或0.05.

显著性水平为0.05时，即: 在原假设成立的情况下，只有0.05的概率才能出现目前数据的实际情况，那就是表明原假设可能不对。所以p值越小，就越能拒绝原假设。一般而言，小于0.05就足够拒绝零假设了。但在某些特殊领域，如生物、医药研究中，对显著性水平的要求会更小一些，可以取0.01。

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。

参考资料来源：百度百科-显著性水平

参考资料来源：百度百科-差异显著性检验

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。

扩展资料：

spss显著性水平的理解:

显著性水平是在进行假设检验时事先确定一个可允许的作为判断界限的小概率标准。检验中，依据显著性水平大小把概率划分为二个区间。

小于给定标准的概率区间称为拒绝区间，大于这个标准则为接受区间。事件属于接受区间，原假设成立则认为无显著性差异；事件属于拒绝区间，拒绝原假设而认为有显著性差异。

对显著水平的理解必须把握以下二点：

显著性水平不是一个固定不变的数值，依据拒绝区间所可能承担的风险来决定。

统计上所讲的显著性与实际生活工作中的显著性是不一样的。

（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。