如何理解置信度？显著性水平？p值？他们之间有什么关系？
信度
置信度或置信水平，常取95％或者99％，从而建立起来的有95％或者99％的概率包含总体参数的区间范围就是置信区间。
置信区间是经典统计学中统计推荐部分比较重要的一部分内容，设 是总体的一个参数，X1，......，Xn是来自该总体的一组样本，对给定的一个概率 ，假设有两个统计量 ，若对任意的 ，有
则称随机区间 为参数 的置信水平 的置信区间。分别为置信上限和置信下限。为什么是 当等于 时，主要针对总体分布为连续型分析时，当大于 针对总体分布为离散型分布时，一般来讲参数 的置信水平越大，置信区间越可靠，给定置信水平时，置顶区间长度越短，精度越高。
在实际生活中，因为各种资源的限制。在实际研究中大部分往往无法对全部个体进行检测或者调查，此时，就会从总体中随机抽取一些样本。通过样本参数去估计总体参数，在统计学中常见的包括点估计和区间估计，点估计就是用相应的样本统计量直接作为总体参数的估计值，区间估计就是从点估计值和抽样标准误差出发，按预先给定的概率称为置信度或置信水平，常取95％或者99％，从而建立起来的有95％或者99％的概率包含总体参数的区间范围就是置信区间。
置信区间的计算公式并不是固定的，一般取决于其所用到的统计量，但是计算时一般需要确定好显著性水平。举例进行说明：
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。显著性水平是假设检验中的一个概念，是指当原假设为正确时人们却把它拒绝了的概率或风险。它是公认的小概率事件的概率值，必须在每一次统计检验之前确定，通常取α=0.05或α=0.01。这表明，当作出接受原假设的决定时，其正确的可能性（概率）为95%或99%。
p值，也称显著性值或者Sig.值，用于描述某件事情发生的概率情况，其取值范围是0~1，不包括0和1，通常情况下，一般有三个判断标准一个是0.01、0.05以及0.1。在绝大多数情况下，如果p值小于0.01，则说明至少有99％的把握，如果p值小于0.05（且大于或等于0.01），则说明至少有95％的把握，如果p值小于0.1（且大于或等于0.05），则说明至少有90％的把握。
在统计语言表达上，如果p值小于0.01，则称作0.01水平显著，例如，研究人员分析X对Y是否存在影响关系时，如果X对应的p值为0.00（由于小数位精度要求，展示为0.00），则说明X对Y存在影响关系这件事至少有99％的把握，统计语言描述为X在0.01水平上呈现显著性。
如果P值小于0.05(且大于或等于0.01)，则称作在0.05水平上显著。例如，研究人员在研究不同性别人群的购买意愿是否有明显的差异时，如果对应的P值为0.01，则说明在0.05水平上呈现出显著性差异，即说明不同性别人群的购买意愿有着明显的差异，而且对此类差异至少有95%的把握。绝大多数研究希望P值小于0.05，即说明研究对象之间有影响、有关系或有差异等。但个别地方需要P值大于0.05，如方差齐性检验时需要P值大于0.05（此处P值大于0.05说明方差不相等）。
可以利用SPSSAU进行计算，假设计算方差分析中的p值，从而判断模型是否显著。分析不同学历对某产品的满意度是否有显著性差异。
如果手工计算，需要计算出F值，最后查表，然后判断是否有显著性差异，最后得到结论，使用SPSSAU直接将分析项拖拽到分析框内（过程简单，这里不展示），最后得到F值为0.606，p值为0.613大于0.1，说明不同学历对产品满意度没有显著性差异。
