早上四点半
SIG是拉丁文，意思是用法用量。用法一般是指使用药物时，药物的使用方法或者叫服用方法，用量就是指该药物的一定时间内服用的数量。《处方管理办法》第二章第六条规定“药品用法用量应按照药品说明书规定的常规用法用量使用”。《中华人民共和国药品管理法》第六章第五十四条指出药品说明书及其相关内容具有法律效应。扩展资料：特殊内容-因药物相互作用的剂量调整与给药方案( 例如，减少用量、与另一药物给药相关的给药时间) 密切相关的药物相互作用。同说明书其他部分任何更详细的药物相互作用的讨论相呼应。说明书药物的用法用量是临床医生给药方案的重要信息来源，关系到治疗成败和用药安全。我国药品管理部门可借鉴国外先进经验，结合我国实际，进一步完善我国说明书有关用法用量的规定，并尽快出台指导撰写该说明书项目具体细则的指导原则。参考资料来源：百度百科-用法用量 
在SPSS软件统计结果中，不管是回归分析还是其它分析，都会看到“SIG”，SIG=significance，意为“显著性”，后面的值就是统计出的P值，如果P值01
spss分析中sig表示：方差分析，采用F检验的方法进行，结果中的F值表示的是采用F检验公式得到的一个具体数值，按照这个数值查表或其他方法得到相应的P值，即为SIg。所以在结果中一般不去看F值，而是去看sig。一般检验水准为05。如果sig小于05就表示P小于05。结果由统计学差异。专业上，p 值为结果可信程度的一个递减指标，p 值越大，我们越不能认为样本中变量的关联是 总体中各变量关联的可靠指标。p 值是将观察结果认为有效即具有总体代表性的犯错概率。如 p=05 提示样本中变量关联有 5% 的可能是由于偶然性造成的。 即假设总体中任意变量间均无关联，我们重复类似实验，会发现约 20 个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如 果变量间存在关联，我们可得到 5% 或 95% 次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究领 域，05 的 p 值通常被认为是可接受错误的边界水平。扩展资料判定结果具有真实的显著性的方法在最后结论中判断什么 样的显著性水平具有统计学意义，不可避免地带有武断性。换句话说，认为结果无效而被拒绝接受的水平的选择具有武断性。实践中，最后的决定通常依赖于数据集 比较和分析过程中结果是先验性还是仅仅为均数之间的两两>比较，依赖于总体数据集里结论一致的支持性证据的数量，依赖于以往该研究领域的惯例。通 常，许多的科学领域中产生p值的结果≤05被认为是统计学意义的边界线，但是这显著性水平还包含了相当高的犯错可能性。结果 05≥p>01 被认为是具有统计学意义，而 01≥p≥001 被认为具有高度统计学意义。但要注意这种分类仅仅是研究基础上非正规的 判断常规。参考资料来源：百度百科-spss参考资料来源：百度百科-方差分析
sig是显著性。分1，05和01三个显著性水平通过sig为相关系数标星。sig在1和05之间，在分析的时候可以说是通过1水平的显著性检验。。。以此类推。。。我也是初学者。希望帮到你。至于t，也不大懂。google了一下，说是个中间值，不予考虑。。。额，你再翻书看看吧
spss分析中sig表示：方差分析，采用F检验的方法进行，结果中的F值表示的是采用F检验公式得到的一个具体数值，按照这个数值查表或其他方法得到相应的P值，即为SIg。所以在结果中一般不去看F值，而是去看sig。一般检验水准为05。如果sig小于05就表示P小于05。结果由统计学差异。对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。spss具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法。扩展资料：单因素方差分析的基本分析只能判断控制变量是否对观测变量产生了显著影响。如果控制变量确实对观测变量产生了显著影响，进一步还应确定控制变量的不同水平对观测变量的影响程度如何，其中哪个水平的作用明显区别于其他水平，哪个水平的作用是不显著的，等等。例如，如果确定了不同施肥量对农作物的产量有显著影响，那么还需要了解10公斤、20公斤、30公斤肥料对农作物产量的影响幅度是否有差异，其中哪种施肥量水平对提高农作物产量的作用不明显，哪种施肥量水平最有利于提高产量等。掌握了这些重要的信息就能够帮助人们制定合理的施肥方案，实现低投入高产出。多重比较检验利用了全部观测变量值，实现对各个水平下观测变量总体均值的逐对比较。由于多重比较检验问题也是假设检验问题，因此也遵循假设检验的基本步骤。一般线形模型将会被完整地引入复杂抽样模块中，以实现对复杂抽样研究中各种连续性变量的建模预测功能，例如对市场调研中的客户满意度数据进行建模。对于分类数据，Logistic回归则将会被系统的引入。这样，对于一个任意复杂的抽样研究，如多阶段分层整群抽样，或者更复杂的PPS抽样，研究者都可以在该模块中轻松的实现从抽样设计、统计描述到复杂统计建模以发现影响因素的整个分析过程，方差分析模型、线形回归模型、Logistic回归模型等复杂的统计模型都可以加以使用。而操作方式将会和完全随机抽样数据的分析操作没有什么差别。可以预见，该模块的推出将会大大促进国内对复杂抽样时统计推断模型的正确应用。与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可以比较评价不同因果关系的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可了解不同组别 (如不同性别) 内各变量的关系是否保持不变，各因子的均值是否有显着差异。参考资料来源：百度百科——spss参考资料来源：百度百科——方差分析
