Statistics 如何计算这些统计数据？

我正在编写一个应用程序来帮助进行一些研究，其中一部分涉及到做一些统计计算。目前，研究人员正在使用一个名为。他们关心的部分输出如下所示：

他们实际上只关心

F

和

Sig.

值。我的问题是，我没有统计学方面的背景，我无法理解这些测试被称为什么，或者如何计算它们

我原以为

F

值可能是测试的结果，但按照Wikipedia上给出的步骤，我得到了一个与

SPSS

给出的结果不同的结果。

可能会对您有所帮助。还有

我对一门统计学课程的记忆相当陈旧，但这里什么也没有：

当你进行方差分析（ANOVA）时，你实际上计算F统计作为“组间”均方方差和“组内”均方方差的比率。上面的第二个链接对于这个计算似乎很好

这使得F统计准确地衡量了模型的强大程度，因为“组间”方差是解释力，“组内”方差是随机误差。高F意味着一个非常重要的模型

正如在许多统计运算中一样，可以反向确定Sig。使用F统计量。这里是你的维基百科信息稍微方便的地方。你要做的是——使用SPSS提供给你的自由度——找到合适的P值，在该值下，an将给出你计算的F统计。发生这种情况的P值[F（表）=F（计算）]是显著性

从概念上讲，较低的显著性值表示拒绝零假设的能力非常强（出于这些目的，这意味着确定模型具有解释力）

如果这些都是错的，请向所有数学爱好者道歉。我会回来做编辑

祝你好运。统计数据很有趣，只是这部分可能不好玩。=）

统计很难：-）。经过一年的阅读和重读书籍和论文，我只能自信地说，我了解它的基本知识

您可能希望调查您正在使用的任何编程语言的现成库，因为它们通常在数学方面，特别是在统计学方面都有很多问题（舍入错误是一个明显的例子）

---

作为一个例子，你可以看到，这是一个交互式环境和一个库，你可以从C++代码中使用，它在GPL下分发（如果你只在内部使用它，只发布结果，你不需要打开代码）。塞恩·格罗森的回答是不正确的(

这些都是在多元响应多元回归中通常使用的参数估计显著性测试。在统计编程环境之外，这些不是简单的事情。我建议要么从现有的统计程序中获取输出，要么使用一个可以链接和使用的程序那个密码

我担心第一个答案（sain_grocen的答案）会把你引向错误的道路。他的解释可能是你实际处理的一个特例。他在链接中解释的方差分析是针对一个平衡设计的单变量响应。这些不是你看到的F统计数据。输出中的名称（Pillai's Trace，Hotelling's Trace，…）是一些可用的多变量版本。在某些假设下，它们具有F分布。我无法在这里解释一本教科书的内容，我建议您从

---

Johnson和Wichern的“应用多元统计分析”

你能进一步解释为什么SPSS本身不是解决这个问题的好办法吗？是因为它生成的数据透视表作为输出很难操作吗？是因为程序的成本吗

F-统计量可以从任何数量的特定测试中产生。F只是一个分布（松散地说，是一组值的“频率”的描述），像正态分布（高斯分布）或均匀分布。一般来说，它们来自方差比率。观点：许多统计学家（包括我自己）发现基于F的测试是不稳定的（行话：非健壮）

特定的输出统计数据（Pillai的跟踪等）表明，原始分析是一个MANOVA示例，正如其他海报所描述的，这是一个复杂且难以获得正确的过程

我还猜测，基于MANOVA和SPSS的使用，这是一个心理学或社会学项目……如果不是，请启发。可能其他更简单的模型实际上更容易理解，更容易重复。如果你有当地大学的统计咨询组，请咨询当地大学的统计咨询组

---

祝你好运！

根据你的问题，我假设你的研究同事希望自动化执行某些统计分析的过程（即，他们希望批量处理数据集）。你有两个选择：

1） SPSS现在可以通过python编写脚本（从版本15开始）-访问spss.com并搜索python。您可以编写python脚本来自动进行数据分析，从pivot表中提取键值，然后以任何方式处理答案。这有一个优点，即可以精确比较python脚本的结果与合作者在spss中手工计算的结果。Th在美国，你不必真正了解任何统计数据就能完成这项工作（这是一个关键优势）

---

2） 您可以在R中完成这项工作，R是一个免费的统计环境，可能需要编写脚本。这有一个缺点，即您必须学习统计知识，以确保正确操作。

以下是MANOVA输出的说明，来自统计和SPSS上的一个非常好的网站：

输出端