中介效應檢驗必須通過顯著性水平 5 才能被視為顯著性 10 也算在內？

推斷統計量的顯著性水平基本設定在5%，這是乙個經驗值，也就是說，5%是略微偏左或偏右，所以甚至可以稱為邊際顯著性並被接受，但是10%太大了，要知道5%，z分數就是，即均值之外近2個標準差， 而10%，它只是乙個標準差，一般2個標準差被認為是高值，我們更有信心，我們尋求的值不屬於虛無主義假說假設的分布。這有點接近平均值。

畢業期刊和核心期刊都使用5%，而不是10%。

如果回歸中有 1% 或 5% 的變數，則其他一些非核心變數的 10% 顯著性水平也可以在核心日誌中使用。

我不熟悉 Lisrel，但我可以對 AMOS、mPlus 和 Process 中的中介效果進行引導測試。 （結構方程模型的中介效應分析）。

在回歸結果出來後，如果 p 值小於 10% 水平，如果小於 5%，如果顯著性小於 1%，則不設定此值。 顯著性水平是總體引數的估計值落在特定區間內並可能產生誤差的概率，用 表示。 顯著性是差異的程度，不同的程度表示變化的不同原因

乙個是條件差，另乙個是隨機差。 它是一種小概率標準，在進行假設檢驗時預先確定為判斷極限。 落在一定區間內的總體引數的概念估計中可能出現誤差的概率為顯著性水平，用1-表示為置信水平或置信水平，表示區間估計的可靠性 統計假設檢驗也稱為顯著性檢驗，即指樣本統計量與假設總體引數之間的顯著性差。

顯著性是差異的程度，不同程度表示變化的不同原因：乙個是條件差異，另乙個是隨機差異。 當實際樣本統計量的值與假設的總體引數之間的差異超過通常的或有因素的範圍時，乙個顯著的差異表明也有系統因素在起作用，因此可以否定某個條件不起作用的假設。

在假設檢驗中提出的假設稱為原假設或無效假設，它假設樣本統計量與總體引數之間的差異是由隨機因素引起的，並且不存在條件變異因子。 假設檢驗採用小概率原理，以預先確定為判斷極限，即允許小概率的標準，稱為顯著性水平。 如果根據命題的原假設計算出的概率小於此準則，則否定原假設; 任何大於此標準的內容都不會拒絕原假設。

此顯著性水平將概率分布分為兩個區間：拒絕區間和非拒絕區間。 顯著性級別越高，原假設被拒絕的可能性就越大，如果原假設為真，則被拒絕的風險就越大。

重要性水平應基於研究的性質和我們對結論準確性的要求。 顯著性水平被理解為進行假設檢驗時的顯著性水平，它預先確定乙個允許的小概率標準作為判斷邊界。 在檢驗中，概率按顯著性水平分為兩個區間，小於給定準則的概率區間稱為拒絕區間，大於該準則的概率區間稱為驗收區間。

事件屬於接受區間，原假設為真，無顯著差異。 這些事件屬於拒絕區間，並拒絕原假設，並被認為具有顯著差異。 對顯著性水平的理解必須掌握以下兩點：1.顯著性水平不是乙個固定的值，而是由拒絕區間內可能承擔的風險決定的。

2、統計學意義與實際生活和工作中的意義不同。

如果是單尾，您可以從累積正態分佈表中自行檢查。

stata 只做回歸分析，即輸出結果數量帶 * 符號可以看到顯著性水平，命令是 outreg2，但這個命令需要先載入。

關於房東的問題，正則回歸的結果都在5%的顯著性水平上，這意味著在10%的顯著性水平上一定是真的; 同樣，如果它在 1% 的水平上是顯著的，那麼它在 5% 和 10% 的水平上同樣重要。

如果房東在做reg的過程中問如何用顯著性水平過濾掉一些係數，則需要另外乙個密碼，一般太複雜了。

這似乎沒有必要，你可以考慮相關係數。

下面的 p 值。

如果 p“ 是你說的那種 10% 的顯著性水平，就自己掛乙個 *，p ”是 5% 顯著性，掛 **，p “是 ***”。

Reg 只提供回歸分析，在每個變數的結果後面跟著乙個 p 值，p=0 是顯著的，p=低於 1% 是顯著的，是 5%，是 10%，如果你想要乙個 t 值，你可以檢驗 a 什麼的。

您可以看到的特定 p 值，因為它較小，因此必須小於。

我為其他人做了很多這樣的資料分析。

怎麼會有一定程度的意義？ 是筆誤嗎？

SPSS軟體在計算相關性分析時不需要設定顯著性水平，也不需要設定其他值，因為計算結果會為您提供乙個特定的p值，比如p=，即p<，如果p=，則p<。

顯著性水平通常設定為 1%、5%、10%，最常用的是 5%。 分別對應於 99%、95% 和 90% 置信區間。

這都是預設設定的，無法設定。