显著性检验一般步骤有哪些
如何用SPSS检验两种检测方法得到的结果有无显著性差异？
如何用SPSS检验两种检测方法得到的结果有无显著性差异？
卡方检验是以卡方分布为基础的一种常用的假设检验方法，原假设为 H0：观察频数与期望频数没有差别。如果分析结果P值（统计量取极端情况的概率值）很小，说明观察值与期望值差别较大，应当拒绝原假设。
卡方检验最常用于考察分类变量在两组或多组间的分布是否具备显著性差异。
也可用于检验两种方法的结果是否一致，比如使用两种方法诊断同一批人，结果是否一致。
SPSS的操作为：
第一步：将样本数据录入SPSS，在变量视图中设置好变量的类型；
第二步：分析——描述统计——交叉表，分别把要考察的分类变量和分组的变量放入行和列中。分类变量比如对某种诊断的反映结果（本例中为对问题1的选择结果，1或0）；分组变量比如1、0两个组，本例是考察这两个组在问题1的结果上是否具备显著差异性。
第三步：设置分析条件，点开”精确“按钮，设置置信水平为95%（或者更严格的99%），点击继续；点开”统计量“，选中
求助显著性差异计算方法？
楼主说的3.29%和2.89%应该分别是由两组数据算出的平均值，先分别算两组数据的方差再进行F检验。
没有办法考察孤立的两个数是否有显著性差异！
怎么判断是否通过显著性检验？
判断是否通过显著性检验看是否有P值。
叙述回归显著性检验过程？
回归方程的回归参数显著检验的步骤为：
(1)计算t统计值。
(2)选择适当的显著性水平ε，并根据ε值，在t分布表中查出自由度为n-2的t的理论值(又称临界值)tε/2。
(3)将所计算的t统计值同其理论值tε/2进行比较。
如果t统计值大于其理论值，即：
[*]
说明参数b具有显著性，即自变量X对因变量Y有显著的影响；相反，如果t统计值小于其理论值，即：
[*]
说明X对Y没有显著影响。
显著性水平怎么算？
显著性水平是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。显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。它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。