天空wdf
SPSS统计分析，我可以帮你写。驳论是以有力的论据反驳别人错误论点的论证方式。有三种方法：反驳论点、反驳论据、反驳论证。由于论文是由论点、论据、论证三部分有机构成的，因此驳倒了论据或论证，也就否定了论点，与直接反驳论点具有同样效果。一篇驳论文可以几种反驳方式结合起来使用，以加强反驳的力量和说服力。1）反驳论点，即直接反驳对方论点本身的片面、虚假或谬误，这是驳论中最常用的方法。2）反驳论据，即揭示对方论据的错误，以达到推倒对方论点的目的；因为错误的论据必定得出错误的论点。3）反驳论证，即揭露对方在论证过程中的逻辑错误，如大前提、小前提与结论的矛盾，对方各论点之间的矛盾，论点与论据之间矛盾等等。 
简单地说，t值和P值都用来判断统计上是否显著的指标， 例如不良贷款y对贷款余额的估计方程x的回归估计方程为:y=-8+03x，那么这个方程的系数03是否在统计上有意义呢？是否贷款余额没增加1个单位，不良贷款就要增加03个单位呢？那么可以通过计算其t值和p值来判断，经计算t=5，P=000，根据假设检验的相关知识，可以判断这个方程式有意义的。我认为，要想把它弄清楚，还是需要找本统计学原理的书看看好
p就是显著性=sigF的值是回归方程的显著性检验，表示的是模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。若F>Fa(k-1，n-k)，则拒绝原假设，即认为列入模型的各个解释变量联合起来对被解释变量有显著影响，反之，则无显著影响。
，t值和P值都用来判断统计上是否显著的指标。p值就是拒绝原假设的最小alpha值嘛，把统计量写出来，带进去算出来之后，根据统计量的分布来算p值啊，举个例子，比如说算出来的统计量的值为z，服从的是正态分布，如果是双边检验的话那么pvalue=2*(1-probnorm(abs(Z)));单边检验的话，应该是1-probnorm(z);具体问题具体分析，不同的检验方法求p值方法也不一样，统计的书上肯定都有；T值计算方法相似。
1、t值T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。 T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的，并于1908年在Biometrika上公布 。2、P值P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。P值（P value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。扩展资料实用举例1、t检验可用于比较男女身高是否存在差别为了进行独立样本t检验，需要一个自（分组）变量（如性别：男、女）与一个因变量（如身高测量值）。根据自变量的特定值，比较各组中因变量的均值。用t检验比较下列男、女儿童身高的均值 。假设H0：男平均身高 = 女平均身高H1：男平均身高 ≠ 女平均身高选用双侧检验：选用α=05的统计显著水平2、P值从研究总体中抽取一个随机样本计算检验统计量的值计算概率P值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。如果P<01，说明是较强的判定结果，拒绝假定的参数取值。如果0105，说明结果更倾向于接受假定的参数取值。参考资料来源：百度百科-t值参考资料来源：百度百科-p值
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。）
