① 原始数据做出来的相关和回归不显着怎么修改数据
如果原始数据做出的相关和回归不显着，可以考虑以下几种方法修改数据：
1.增加样本量：增加样本量可以提高数据的统计显着性，从而可能增加相关和回归的显着性。
2.去除异常值：异常值可能会影响相关和回归的结果，去除异常值后可能会使粗颂得相关和回归显着性提高。
3.变换自变量和因变量：可以对自变量和因变量进行数学变换，比如取对数、平方根等等，从而使得相关和回归结果更岩碰郑显着。
4.加入更多的自变量：如果只有一个自变量可能导致相关和回归不显着，可以加入更多的自变量，从而提高相关和回归的显吵衫着性。
需要注意的是，以上方法仅供参考，具体如何修改数据要根据具体情况进行分析和实践。
② 如何把问卷里的显着性改成不显着
：联想电脑
系统：win8
软件：spss2.14
1、返亩乱首先打开spss数据分析软件，复制需要进行分析的数据。
2、接着将数据粘贴至spss软件中。
3、点击界面上方的“分析”，然后选择“一般漏档性模型”选项。
4、选择“单变量”分析。
5、选中数据，然耐扰后点击箭头，将数据导入到指定位置。
6、数据导入完成后，点击左下角的确定按钮。
7、分析结果就出来了。结果中查看最后的“sig”一列，即数据显着性。当第三行数据＜0.05时，说明数据之间显着性较高，也就是这两列数据之间具有很好的相关性。
③ 单因素方差分析无显着性差异如何改数据
1. 增加样本量：通过增加样本量，可以提高统计检验的力量，减少随机误差的影响，从而可能揭示出原本不显着的差异。
2. 改进实验设计：如果怀疑实验设计存在问题，比如样本分组不够合理，可以重新规划实验方案，确保实验结果更加准确和可靠。
3. 增加处理水平：引入更多的处理组或水平，可以增加数据之间的变异度，提高实验的敏感性，有助于检测到更细微的差异。
④ 如何判断一组数据在显着性方面存在问题
差异显着性abc先将平均数由大到小排列，在最大平均数后标记字母a。用该平均数依次与各平均数相比，凡差异不显着都标记同一字母a，直到遇到与其差异显着的平均数，其后标记字母b，向下比较停止，继续标记字母b，直至遇到某一个与其差异显着的平均数标记c即可。
差异显着性即是显着性差异(significantdifference)，是一个统计学名词。它是统计学（Statistics）上对数据差异性的评价。通常情况下，实验结果达到0.05水平或0.01水平，才可以说数据之间具备了差异显着或是极显着。
当数据之间具有了显着性差异，就说明参与比对的数据不是来自于同一总体（Population），而是来自于具有差异的两个不同总体，这种差异可能因参与比对的数据是来自不同实验对象的，比如一些一般能力测验中，大学学历被试组的成绩与小学学历被试组会有显着性差异。也可能来自于实验处理对实验对象造成了根本性状改变，因而前测后测的数据会有显着性差异。