判断数值天气预报准确率是否显著地高于盲目预报准确率（仅以降雨预报为例，且不分雨量大小），那就要用到数理统计学中的差异显著性检验。其计算公式为：
     

    式（1）中，Fi是预报正确与错误的实际次数，fi为盲目预报的正确与错误的理论次数；k为项数，对不分大小的降雨预报来说，k=2，即只分预报正确和错误两种情况。式中求出的x²就是差异显著性检验值（俗称“卡平方值”）。
    例如，在某地82天的数值天气预报中，24-36小时（即明天白天）的预报，共报25次有雨，报对19次，报错6次，报雨报对准确率为76.0%（19/25）。在这82天中，实际有降雨的天数为24天，盲目预报降雨的理论准确率为24/82=29.2%，盲目预报报对的理论次数为25*24/82=7.3171次。盲目预报报错的理论次数为25*（82-24）/82=17.6829次。
这样，卡平方值求算如下：
   

    x²值26.3722大于自由度为1，信度为0.01时的标准x²值6.64。因此证明了，预报准确率极显著地高于盲目预报准确率，对该地24-36小时（即明天白天）的降雨预报是有效的。
    如果x²值小于自由度为1，信度为0.05时的标准x²值3.84，则预报准确率与盲目预报准确率差异不显著，这时可断定该时段降雨预报是无效的。
    如果x²值，介于6.64和3.84之间，则差异有些显著，该预报可参考。

    上面的计算过程是不挺简单呢？用此方法，每个预报员都可以计算一下，别人给你提供的数值天气预报，各个预报时段的预报结果是否是有效的。

    判断数值预报时效，除了差异显著性检验方法以外，还有相关系数法，这里就不再一一介绍了。

    下一节将发布数值天气预报时效2019-2022年连续四年的统计检验结果简报。