相关性分析没有统计学意义,但是数据直接翻倍后有了意义。说明什么问题,是样本量不够吗?

7478℃ GUY

相关性分析没有统计学意义,但是数据直接翻倍后有了意义。说明什么问题,是样本量不够吗?

什么叫做无统计学意义

无统计学意义,意识就是说在统计学上认为这个结果“不显著”。

如是在检验一个问题的结果是不是A,如果结果不显著,那么就说这个在统计学上不显著,即“无统计学意义”。

不同的统计指标所反映的内容不同,根据其内容的不同统计指标可分为基础指标和特征指标。

统计学意义是指在研究组和对照组间出现疗效差异时,要考虑这种差异是防治措施的疗效还是因抽样误差所引起的。上述差异有统计学意义时,并不意味着有临床意义,而当具有临床意义时可无统计学意义。

扩展资料

统计是一门科学,按调查对象的不同可分为全面调查和非全面调查,不完全统计其实就是非全面调查。

即使是非全面调查,也必须按照统计学的要求,严肃认真地做好抽样调查工作,从而得到科学的结论。

参考资料来源:百度百科-统计学

无统计学差异 有统计学差异 无统计意义 各是什么意思?

有显著性差异~!没有显著差异~!没有实际意义~!

相关系数越大,说明两个变量之间的关系就越强吗

相关系数越大,说明两个变量之间的关系就越强。

样本的简单相关系数一般用r表示,计算公式为:

r的取值在-1与+1之间,若r>0,表明两个变量是正相关,即一个变量的值越大,另一个变量的值也会越大;若r<0,表明两个变量是负相关,即一个变量的值越大另一个变量的值反而会越小。

r 的绝对值越大表明相关性越强,要注意的是这里并不存在因果关系。若r=0,表明两个变量间不是线性相关,但有可能是其他方式的相关(比如曲线方式)。

利用样本相关系数推断总体中两个变量是否相关,可以用t 统计量对总体相关系数为0的原假设进行检验。若t 检验显著,则拒绝原假设,即两个变量是线性相关的;若t 检验不显著,则不能拒绝原假设,即两个变量不是线性相关。

扩展资料

一些实际工作者用非居中的相关系数(与Pearson系数不相兼容)。

例如:

假设五个国家的国民生产总值分别是1、2、3、5、8(单位10亿美元),又假设这五个国家的贫困比例分别是11%、12%、13%、15%、18%。

则有两个有序的包含5个元素的向量x、y:x = (1, 2, 3, 5, 8) 、 y = (0.11, 0.12, 0.13, 0.15, 0.18) 使用一般的方法来计算向量间夹角(参考数量积)。

上面的数据实际上是选择了一个完美的线性关系:y

= 0.10 + 0.01 x。因此皮尔逊相关系数应该就是1。

把数据居中(x中数据减去 E(x) = 3.8 ,y中数据减去E(y) =

0.138)后得到:x = (−2.8, −1.8, −0.8, 1.2, 4.2)、 y = (−0.028, −0.018, −0.008,

0.012, 0.042)。

参考资料来源:百度百科-相关系数

SPSS相关性分析无显著相关性说明什么

你这个数据属于面板数据,用普通横截面的数据分析方法本身就是不正确的。。。

不知道你是怎么样算相关分析,因为每家公司的8年数据之间就有一定的自相关了,所以直接计算5家8年数据的指标相关性是不正确的。至于回归分析更不能用了,数据有自相关的可能性。

这种数据只能采用面板数据分析的方法,spss软件没法做,要用stata或者eviews等计量经济学软件进行分析