怎样比较两组数据的显著性

看你的分析是否有必要控制无关变量后进行相关,如果没有必要,就采用直接相关来解释就可以了不过如果严谨的来说,应该是采用偏相关的结果,这个毕竟是两者的净相关再问：数据的pearson相关不显著而spear

百分比不好直接比,因为卡方值会随人数增加,请给出真正的人数.再问：           &

相关系数用来描述两组数据之间线性依赖的程度（的大小）.两组数据之间的相关系数得出的值是0.213,表明两组数据之间的线性依赖程度很低、相关性很小.而差异性检验中差异显著与否与相关性的大小好象是不同的概

添加两个辅助列,用countif对两列分别进行处理,然后对辅助列里为0的进行筛选（为0的就是此数据在另一列里找不到）；柱状图上方的折线可能是趋势线或者是另外一个数据系列再问：不是想找两列数有什么不同，

有helpestat

检验方法有很多,如开方检验,t检验,具体参照概率论与数理统计

CORREL返回两个数据集之间的相关系数.公式为=CORREL(a1:aN,b1:bN)

你的数据属于计量资料：1.建立两个变量：1.组别在value中定义1=A2=B；2.数值：2.进行正太检验：选择分析—频率—按要求输入变量数值-运行后看偏度/系数是否《1.96,峰度/系数是否《1.9

你要是就做两组的检验,t检验就行.第一组的第一个题和第二组的第一个题.你要是想做多组的,应该用方差分析了.就是ANOVA或者univarite~也在analyse里面

由于你的数据其中一组样本量为1,造成不能进行Levene检验,因此只能参考一下假定方差相同的sig.总的来说,这种数据的结果价值十分有限,因为样本过少,尤其是sig没有显著性的情况下更是如此,因为不能

貌似要用卡方检验

多重比较分析也是分好几种方法的,我使用较多的是q检验,就是S-N-K检验法,你可以看最后出来了几列,出来的不同的列之间是有显著差异的,如果不同的水平的变量在一列之中就是没有显著差异的.显著性也会有显示

单因素方差分析和T检验没有差别有要记住[T(n)]^2~F(1,n)即若t统计量服从自由度为n的T分布,则它的平方服从自由度为1,n的F分布单因素方差分析得到的是这里的F,（单因素嘛,第一个自由度是2

可以.因为配对T检验的必要条件是：每一个样本都是严格配对的.具有相关性不是配对T检验的必要条件,但是在配对样本的实验中,相关系数比较高往往是正常现象和多见现象,只要样本是配对的,而且数据符合正态分布和

这个地方只有两个变量,你怎么用多元回归来分析呢,而且是判断他们是否存在显著性差异,可能做不了,回归分析只能判断变量之间是否存在相关关系.你可以通过t检验或者卡方检验来看看他们是否有显著差异

首先你要明确你要判断两组数据相关还是相等,相等的话检验均值看是否显著性差异.如果要判断相关的话,可以求相关系数.你已经求出来了是0.4左右,一般来说,0.4的相关系数说明两个量是适度的线性相关.你应该

方差分析由于涉及三组以上,因此比t检验需要有更多的注意问题.目前临床最常见的错误就是关于两两比较方面的.对于三组及以上资料,一般来讲,采用方差分析得到的F值是一个组间的总体比较.例如三组间比较如果有差

%假设X1的时间步长比X2大%下面的x1x2y1y2模拟的x1=0:1.2:10;y1=sin(x1);x2=0:0.1:10;y2=sin(x2)+0.1;y1_linear=interp1(x1,

不一定要求都正态分布的,因为分析方法有很多,针对数据情况合适选用,如t检验,χ2检验等等检验方法；数据转换后分析不影响结果的一般情况下,虽然数据是变了,但数据间关系及差异情况是不会变的,要不然就不会有

需要确定你的实验设计,如果A,B是独立的进行独立样本检验,如果A,B总体分布是正太分布,可以选择独立样本t检验,如果总体分布未知,可以考虑独立样本的非参数检验方法,如Mann-WhitneyU检验,K