spss中t检验的应用
- 格式：doc
- 大小：365.50 KB
- 文档页数：12
下载文档原格式
合集下载
SPSS数据处理小结：T检验、相关、二分类、散点图、箱图
这个结果就是r=0.022，p等于0.603. 要在r大大于0.5的情况下，表示示两组的关系密切；而而p值要小小于0.05相关才成
!!立立。
接下来我们看一一下这一一组数据：NLR和HbA1c的相关性
! 图2-‐4
（ps：SPSS中有11种曲线可以选择，我会简单概述一一下在不用用直线作图
!时，怎样选择曲线）
!例子子：为了研究糖化血血红蛋白白上升时，NLR的上升趋势，试做直线拟合。
1.打开数据库“.sav”文文件
2.分析→回归→曲线估计
!
!图!!!!!!!!!! 3-‐1
首首先r=0.509，说明他们的相关是很密切的，而而p<0.001,说明相关是成立立 的。然后在“.509”右上角角现在是有两个*号，说明是显著相关的，假如说是一一
!!!!!个*号，说明只是p值小小于0.05，相关成立立，但是没有0.000显著。
!
!三. 回归分析（regression）
!（一一）.曲线估计（curve estimation）
我们在刚刚的相关性中，做出了NLR和糖化血血红蛋白白是明显相关的，相关系
数是0.509，p是小小于0.001的，但是假如说在一一个图上，它又是怎样表现出
来的呢？所以我们现在就来学习一一下，如何用用曲线方方程描述糖化血血红蛋白白和
NLR的关系。
!!0.001）
假如你的分组有三个或者更多个，那么你就要做单方方向方方差分析（one-‐way ANOVA） 因为过程大大概和t检验类似，我就只简叙述一一下： 1.分析→均数比比较→单向方方差分析 2.把需要比比较均值的变量放到上面面因变量表列中，在下面面“因子子”中添加分组 （PS：可能很多同学在分组上会遇到困难，简单介绍一一下吧，你在需要分组 的那一一列数据的旁边插入入一一列数据，在插入入的新的数据中把所需要分组的数 据分别标上1，2，3……组） 3.然后在选项中选择“描述性”然后点击继续，然后点击主面面板的确定导出数 据。 4.数据的p值读取方方法和独立立样本t检验差不多的
!!立立。
接下来我们看一一下这一一组数据：NLR和HbA1c的相关性
! 图2-‐4
（ps：SPSS中有11种曲线可以选择，我会简单概述一一下在不用用直线作图
!时，怎样选择曲线）
!例子子：为了研究糖化血血红蛋白白上升时，NLR的上升趋势，试做直线拟合。
1.打开数据库“.sav”文文件
2.分析→回归→曲线估计
!
!图!!!!!!!!!! 3-‐1
首首先r=0.509，说明他们的相关是很密切的，而而p<0.001,说明相关是成立立 的。然后在“.509”右上角角现在是有两个*号，说明是显著相关的，假如说是一一
!!!!!个*号，说明只是p值小小于0.05，相关成立立，但是没有0.000显著。
!
!三. 回归分析（regression）
!（一一）.曲线估计（curve estimation）
我们在刚刚的相关性中，做出了NLR和糖化血血红蛋白白是明显相关的，相关系
数是0.509，p是小小于0.001的，但是假如说在一一个图上，它又是怎样表现出
来的呢？所以我们现在就来学习一一下，如何用用曲线方方程描述糖化血血红蛋白白和
NLR的关系。
!!0.001）
假如你的分组有三个或者更多个，那么你就要做单方方向方方差分析（one-‐way ANOVA） 因为过程大大概和t检验类似，我就只简叙述一一下： 1.分析→均数比比较→单向方方差分析 2.把需要比比较均值的变量放到上面面因变量表列中，在下面面“因子子”中添加分组 （PS：可能很多同学在分组上会遇到困难，简单介绍一一下吧，你在需要分组 的那一一列数据的旁边插入入一一列数据，在插入入的新的数据中把所需要分组的数 据分别标上1，2，3……组） 3.然后在选项中选择“描述性”然后点击继续，然后点击主面面板的确定导出数 据。 4.数据的p值读取方方法和独立立样本t检验差不多的
SPSS中T检验的应用
在SPSS中的输出结果保留3位或4位小数，如果经过四舍五入后前3位或前4位为0，则显示为.000或.0000，其实真正的结果并不为0。
如果你想知道P值到底是多少，可以双击表格，然后双击数字。
如下图，真正的P值为3.2038*exp(-61)。
目录一、单样本T检验 (4)1.单样本T检验的目的 (4)2.单样本T检验的基本步骤 (4)3.单样本T检验的应用举例 (5)三、两独立样本T检验 (6)1.两独立样本T检验的目的 (6)2．两独立样本T检验的基本步骤 (6)3.两独立样本T检验的应用举例 (8)三、两配对样本T检验 (10)1.两配对样本T检验的目的 (10)2.两配对样本T检验的基本步骤 (10)3.两配对样本T检验的应用举例 (10)四、参考文献 (12)一、单样本T 检验1.单样本T 检验的目的。
单样本检验的目的是利用来自某总体的样本数据，推断该总体的均值是否与制定的t 检验值之间存在显著性差异。
它是对总体均值的假设检验。
2.单样本T 检验的基本步骤。
⑴.提出原假设。
单样本T 检验的原假设为：总体均值与检验值之间不存在显著差异，表述为：0H 0H 。
为总体均值，为检验值。
0μμ=μ0μ⑵.选择检验统计量。
当总体分布为正态分布时，样本均值的抽样分布仍为正态分布，该正态分),(2σμN 布的均值为，方差为/，即μ2σn),(~2nN X σμ式中，为总体均值，当原假设成立时，；为总体方差；为样本数。
总μ0μμ=2σn 体分布近似服从正态分布时。
通常总体方差是未知的，此时可以用样本方差替代，得到2S 的检验统计量为统计量，数学定义为:t①nS X t 2μ-=式中，统计量服从n-1自由度为分布。
单样本检验的检验统计量即为统计量。
当t t t t 认为原假设成立时用代入。
μ0μ⑶计算检验统计量观测值和概率P-值该步目的是甲酸检验统计量的观测值和相应的概率P-值。
SPSS 将自动将样本均值、、样本方差、样本数代入式①中，计算出统计量的观测值和对应的概率P-值。
论文中的SPSS独立样本t检验与Mann-Whitney秩和检验
论文中的SPSS独立样本t检验与Mann-Whitney秩和检验因为有正态分布这个条件，所以使用t检验有时候会因为数据非正态从而采用非参数秩和检验方法，或在一个研究中，同时使用t检验和秩和检验。
===回顾性分析AIS患者108例，将患者分为预后良好组(79例)和预后不良组(29例)，采集患者的基本资料，于入院24h内采集静脉血，测定RDW及其他血液学指标。
并记录入院时NIHSS评分及mRS评分，于患者发病后3个月时采用mRS量表对患者进行预后评分。
研究目的：探讨红细胞分布宽度(ＲDW)对急性缺血性卒中(AIS)患者静脉溶栓预后的预测作用。
核心方法：采用多因素 Logistic回归分析方程分析危险因素，及受试者工作特征曲线(ＲOC) 分析ＲDW 对患者溶栓结局的预测作用。
t检验：基线分析时采用t检验。
===统计学分析：采用SPSS 22.0统计软件包。
计数资料用例数(%)表示，两组符合正态分布的计量资料用(均值±标准差)表示，组间比较采用两独立样本t检验，偏态分布的计量资料用中位数和四分位距M(P25,P75)]表示，组间比较采用秩和检验。
应用多因素Logistic回归方程分析危险因素及受试者工作特征曲线(ROC)分析RDW对rt-PA溶栓治疗AIS患者预后的预测价值。
以P<0.05为差异有统计学意义。
这段文字是描述论文中数据分析方法的，这里注意，满足正态则t检验，非正态则秩和检验。
===上面这个三线表是常见的格式，适用于t检验，卡方检验，方差分析等检验方法统计分析结果的呈现和报告。
上面这段文字是对基线特征分析的结果描述，特点是言简意赅。
===上文主要分享t检验，后面的logistic回归、roc曲线分析，大家可以自行阅读原论文。
论文原文引用信息：梁安心,&汤颖.(2023).红细胞分布宽度对急性缺血性卒中患者静脉溶栓预后的预测作用.中国脑血管病杂志,15(2),5.==全文完==。
SPSS-t检验
数据输入
1）启动SPSS，进入定义变量工作表，分别命名 两变量：组别、鱼产量。其中组别1表示A料，组 别2表示B料。
2）进入数据视图工作表，输入数据
统计பைடு நூலகம்析
Analyze---compare mean----indendent samples T test
Test variable（输入）:产鱼量
2、选择检验方法和计算检验统计量 因为总体标准差σ未知，所以采用t检验。 Analyze →Compare Means→One-Sample T Test出现如下对话框：
•把x移入到Test Variable(s) 的变量列表； •在Test Value后输入需要 比较的总体均数20； •OK
3、根据检验统计量的结果做出统计推断 基本统计量信息：
T检验
（一）单个总体均数的t检验 （二）独立样本成组t检验 （三）成对样本t检验
（一）单个总体均数的t检验
计算公式
样本平均数与总体平均数差异显著性检验
例：成虾的平均体重为21克，在配合饲料中添加 0.5%的酵母培养物饲养成虾时，随机抽取16只对 虾，体重为20.1、21.6、22.2、23.1、20.7、19.9、 21.3、21.4、22.6、22.3、20.9、21.7、22.8、 21.7、21.3、20.7。试检验添加添加0.5%的酵母 培养物是否提高了成虾体重。
从结果中可以看出，统计量t=3.056，P=0.012<α=0.05，因此拒 绝H0，接收H1，即用该方法测量所得结果与标准浓度值有所不 同。认为该方法测量结果所对应总体均数μ与标准浓度μ0间的差 异有统计学意义。
（二）独立样本成组t检验
独立样本：又称非配对样本或成组样本。是指一组数据与另一 组数据没有任何关系，也就是说，两样本资料是相互独立的。 两组的样本容量尽可能相同，可以提高检验的精确度。其均 数差异显著性的t检验，又分为两总体方差相等（方差齐性）和 方差不等两种检验方法。
配对样本T检验的SPSS应用
配对样本T检验的SPSS应用前言：很多统计研究都发现，有大量的变量可以同时检验多种因素。
而 T检验是我们常用的方法之一。
配对样本 T检验就是在 T检验中较常用的一种检验方法。
目前，配对样本 T检验一般分为两种：一种是配对样本 T检验，另一种是配对样本 T检验。
配对样本 T检验主要应用于临床中，其检验结果具有较高的可靠性（图1)。
但这两种检验方法都有一个缺陷，那就是必须在非配对样本中进行检验。
因此配对样本 T检验在临床中的应用越来越受到重视。
一、引言随着科技的发展，医学领域中应用新方法越来越多，配对样本 T检验作为一种常用的检验方法已经得到了广泛应用。
配对样本 T检验方法的优点是：能够从一个不同性别的样本中同时检验多个变量以及多个因素。
配对样本 T检验是指在同一实验室内测定配对样本中某一个样本与另一个样本之间的 t检验结果与其样本上同性别群体的所有样本中对应的样本误差。
由于这两个样本量通常较大，检验结果较为可靠。
并且容易被人接受。
因此临床应用范围非常广泛，尤其是一些慢性病患者以及临床实验室研究人员都会使用配对样本 T检验来检查相关变量之间是否存在多个配对之间的差异情况。
通常会将相同因素和不同类别样本进行配对检验。
但是不同个体情况不同。
因此配对样本 T检验还可以将同一变量的多个组别相配而出现的相同结果通过对比，或者其他方法得出与之相类似的结果。
通过研究表明随着变量数目的增加，样本大小呈现出不同的趋势。
所以配对样本是一个很好的检验方法。
本文就配对样本 T检验的原理以及方法做一简要介绍。
具体做法如下：用 SPSS软件对配对样本 T检验的操作步骤进行了详细说明，本文主要是通过介绍 SPSS软件，来实现配对样本 T检验方法在临床中的应用。
1、操作流程首先，将各年龄段样本按照性别分别装入相应的试剂盒和测试卡内。
在实验室 SPSS软件中设置数据，并自动对样本数据提取。
然后，根据不同性别进行配对检测。
将不同性别样本依次用不同的试剂盒和测试卡进行配对检测。
SPSS软件在医学科研中的应用(t检验-方差分析-协方差分析)
SPSS软件在医学科研中的应用计算机实习（SPSS10.0）何平平北大医学部流行病与卫生统计学系实习三连续变量的假设检验（t检验、方差分析及协方差分析）一、t检验（一）样本均数与已知总体均数的比较（三）配对设计的两样本均数比较二、方差分析三、协方差分析t检验的目的一、t检验推断两个总体均数是否相等假设检验的结论具有概率性。
当Pδ0.05，拒绝H0 时，有可能犯第一类错误（〈）当P>0.05，不拒绝H0时，有可能犯第二类错误（®）〈为事先指定的检验水平（一般取0.05），®未知；增大样本量n，可以同时减小〈和®。
一、t检验（一）样本均数与已知总体均数的比较（单样本t检验）例1 通过大量调查，已知某地正常男婴出生体重为3.26kg。
某医生随机抽取20名难产男婴，测得出生体重如下（见数据文件p192.sav）。
问该地难产男婴出生体重均数是否与正常男婴不同？3.5 3.5 3.2 3.5 3.3 3.0 3.3 3.23.4 2.7 3.4 3.6 3.5 2.8 3.4 2.93.5 3.54.0 4.0SPSS 操作步骤： 变量说明：weight ：出生体重。
t 检 验已知的总体均数Sig：significance结论：因为t=1.330，P＝0.199>0.05，所以尚不能认为难产男婴出生体重均数与正常男婴不同。
一、t检验（二）完全随机设计（成组设计）的两样本均数比较（两独立样本t检验）例2 某医师测得12名正常人和13名病毒性肝炎患者血清转铁蛋白含量（g/L），结果如下（见数据文件p193.sav）。
问病毒性肝炎患者和正常人血清转铁蛋白含量有无差异？病毒性肝炎患者：2.34 2.47 2.22 2.31 2.36 2.38 2.15 2.572.19 2.25 2.28 2.31 2.42正常人：2.61 2.71 2.73 2.64 2.68 2.81 2.762.55 2.91 2.85 2.71 2.64SPSS操作步骤：变量说明：group：分组，1＝患者；2＝正常人。
统计描述与t检验-spss应用
数据可视化
SPSS提供丰富的图表类型，如直方图、散点图、箱线图等， 方便用户对数据进行可视化展示，更好地理解数据分布和 变化趋势。
spss在t检验中的应用
单样本t检验
用于检验一个样本均值与已知的单个 总体均值之间是否存在显著差异。
02
独立样本t检验
用于比较两个独立样本的均值是否存 在显著差异。
01
常用指标
均值、中位数、众数、标准差、方差等。
数据的集中趋势
均值
01
所有数据之和除以数据个数，反映数据的平均水平。
中位数
02
将数据按大小排序后，位于中间位置的数值，用于反映数据的
中心位置。
众数
03
出现次数最多的数值，反映数据的集中趋势。
数据的离散程度
方差
每个数据与均值之差的平方的平均值，用于衡量数据 的离散程度。
标准差
方差的平方根，实际应用中常用标准差来描述数据的 离散程度。
变异系数
标准差与均值的比值，用于比较不同组数据的离散程 度。
数据的分布形态
偏态
描述数据分布的不对称性，通过计算偏度系数 来衡量。
峰态
描述数据分布的尖锐程度或平坦程度，通过计 算峰度系数来衡量。
正态分布
一种常见的连续型概率分布，特点是数据分布对称、均匀，且具有钟形曲线。
结果解释
根据SPSS输出的结果，判断样本均值 与总体均值是否存在显著差异，从而 得出相应的结论。
05
03
配对样本t检验
用于比较两个相关样本的均值是否存 在显著差异，通常用于同一组被试在 不同条件下的比较。
04
操作步骤
在SPSS中，选择相应的t检验功能，输 入数据，选择适当的选项和参数，运 行分析后查看结果。
SPSS提供丰富的图表类型，如直方图、散点图、箱线图等， 方便用户对数据进行可视化展示，更好地理解数据分布和 变化趋势。
spss在t检验中的应用
单样本t检验
用于检验一个样本均值与已知的单个 总体均值之间是否存在显著差异。
02
独立样本t检验
用于比较两个独立样本的均值是否存 在显著差异。
01
常用指标
均值、中位数、众数、标准差、方差等。
数据的集中趋势
均值
01
所有数据之和除以数据个数，反映数据的平均水平。
中位数
02
将数据按大小排序后，位于中间位置的数值，用于反映数据的
中心位置。
众数
03
出现次数最多的数值，反映数据的集中趋势。
数据的离散程度
方差
每个数据与均值之差的平方的平均值，用于衡量数据 的离散程度。
标准差
方差的平方根，实际应用中常用标准差来描述数据的 离散程度。
变异系数
标准差与均值的比值，用于比较不同组数据的离散程 度。
数据的分布形态
偏态
描述数据分布的不对称性，通过计算偏度系数 来衡量。
峰态
描述数据分布的尖锐程度或平坦程度，通过计 算峰度系数来衡量。
正态分布
一种常见的连续型概率分布，特点是数据分布对称、均匀，且具有钟形曲线。
结果解释
根据SPSS输出的结果，判断样本均值 与总体均值是否存在显著差异，从而 得出相应的结论。
05
03
配对样本t检验
用于比较两个相关样本的均值是否存 在显著差异，通常用于同一组被试在 不同条件下的比较。
04
操作步骤
在SPSS中，选择相应的t检验功能，输 入数据，选择适当的选项和参数，运 行分析后查看结果。
使用SPSS进行t检验范例
进行测定 3、将月龄、体重、性别相同的纯系实验动
物组成配伍组
例 12名接种卡介苗的儿童，8周后用两批 不同的结核菌素，一批是新制结核菌素， 分别注射在儿童的前臂，两种结核菌素的 皮肤浸润反应平均直径如下表，问两种结 核菌素的反应有无差别。
表1 12名儿童分别用两种结核菌素的皮肤浸润反应结果
编号
.72420
两变量的相关系数,本例为0.485,P=0.110,无相关关系
Paired Samples Correlations
Pair 1 STANDARD & NEW
N
C o rrelation
12
.485
Sig. .110
配对变量差值的t检验结果
统计 量t
双侧配对t检验 的P值差异有 统计学意义
在图下步的test distribution 中击活normal， 单击OK，则得出输出结果。
变量standard 、new 的P分别为：0.919 和0.942,可认为 近似正态分布。
（P值，＞０.０５表示符合正态性，＜０.０５表示不 符合正态性）．
第三步：配对t检验的分析。 单击SPSS for windows 主画面的Analyze,展开下拉菜单.
单变量的统计描述
检验结果：t=7.003 ，P=0.000<0.05,差异具有统计学意义 。因为
慢性气管炎患者乙酰胆碱酯酶水平为2.1085，正常人为1.44，可认 为患者乙酰胆碱水平高于正常人。
二 配对t检验
配对t检验资料类型 ：
1、同一受试对象处理前后比较 2、同一样本分成两半，用两种不同的方法
三.两独立样本的t 检验
要求被比较的两个样本彼此独立， 没有配对关系，且两个样本均来自 正态总体。
物组成配伍组
例 12名接种卡介苗的儿童，8周后用两批 不同的结核菌素，一批是新制结核菌素， 分别注射在儿童的前臂，两种结核菌素的 皮肤浸润反应平均直径如下表，问两种结 核菌素的反应有无差别。
表1 12名儿童分别用两种结核菌素的皮肤浸润反应结果
编号
.72420
两变量的相关系数,本例为0.485,P=0.110,无相关关系
Paired Samples Correlations
Pair 1 STANDARD & NEW
N
C o rrelation
12
.485
Sig. .110
配对变量差值的t检验结果
统计 量t
双侧配对t检验 的P值差异有 统计学意义
在图下步的test distribution 中击活normal， 单击OK，则得出输出结果。
变量standard 、new 的P分别为：0.919 和0.942,可认为 近似正态分布。
（P值，＞０.０５表示符合正态性，＜０.０５表示不 符合正态性）．
第三步：配对t检验的分析。 单击SPSS for windows 主画面的Analyze,展开下拉菜单.
单变量的统计描述
检验结果：t=7.003 ，P=0.000<0.05,差异具有统计学意义 。因为
慢性气管炎患者乙酰胆碱酯酶水平为2.1085，正常人为1.44，可认 为患者乙酰胆碱水平高于正常人。
二 配对t检验
配对t检验资料类型 ：
1、同一受试对象处理前后比较 2、同一样本分成两半，用两种不同的方法
三.两独立样本的t 检验
要求被比较的两个样本彼此独立， 没有配对关系，且两个样本均来自 正态总体。
SPSS学习系列21. 均值的T检验
21. 均值的T检验T检验，是一种针对连续变量的参数假设检验，用来检验“单样本均值与已知均值（单样本T检验）、两独立样本均值（独立样本T 检验）、配对设计资料的均值（配对样本T检验）”是否存在差异，这种差异是否能推论至总体。
例如，检查学生成绩平均分是否等于某分值；比较两个班学生的平均分是否存在差异；正常饲料组和维E缺乏组大白鼠肝中维生素A 含量的均值是否存在差异。
T检验适用于样本含量较小（比如n<60，大样本数据可以用U 检验），适用条件：①数据服从正态分布；②满足方差齐性；注：若数据不满足①，②，可以尝试对数据做变量变换：对数变换、平方根变换、倒数变换、平方根反正弦变换等。
有数据文件：由第19,20篇的“正态性检验”和“方差齐性检验”知，“数学成绩”满足正态性和方差齐性。
一、单样本T检验要求数据满足正态性、方差齐性。
问题1：检验“数学成绩”的平均值是否等于75分。
【分析】——【比较均值】——【单样本T检验】，打开“单样本T检验”窗口，将变量“数学成绩”选入【检验变量】框，【检验值】框输入“75”，【选项】按钮设置置信限，保持默认即可。
点【确定】得到结果说明：单样本T检验的原假设H0: 均值μ = μ0；备择假设H1: 均值μ≠μ0本例中，t值=0.395, P值=0.694>0.05, 故接受原假设，即“数学成绩的平均分=75”有统计学意义；“平均分=75”的95%置信限为[75-3.19, 75+4.75]二、独立样本T检验要求数据满足：独立性、正态性、方差齐性。
问题2：检验1班和2班的数学成绩是否存在差异。
1.【分析】——【比较均值】——【独立样本T检验】，打开“独立样本T检验”窗口，将变量“数学成绩”选入【检验变量】框，将分组变量“班级”选入【分组变量】框，2.点【定义组】打开“定义组”子窗口，【使用指定值】下面的组1框中填入“1”，组2框中填入“2”，点【继续】回到原窗口，点【确定】得到结果说明：（1）甲班的数学平均分=72.29，乙班的数学平均分=79；（2）方差齐性检验的P值=0.884>0.05, 接受原假设H0，即方差齐；（3）独立样本T检验的原假设H0: 均值μ1=μ2；备择假设H1: 均值μ1≠μ2.T检验结果有两种：假设方差相等、不相等。
SPSS数据分析——t检验
SPSS中t检验全都集中在分析—比较均值菜单中。
关于t检验再简单说一下，我们知道一个统计结果需要表达三部分内容，即集中性、变异性、显著性。
集中性的表现指标是均值变异的的表现指标是方差、标准差或标准误显著性的则是根据统计量判断是否达到显著性水平由于t分布样本均值的抽样分布，那么基于t分布的t检验就是样本均值的检验，是对均值差异的显著性检验。
t检验可以在以下三种分析中使用1.样本均数与总体均数的差异性分析（单样本t检验）2.配对设计样本均数或两非独立两样本均数差异性分析（配对t检验）3.两独立样本均数差异性分析（独立样本t检验）==============================================一、分析—比较均值—单样本T检验单样本T检验用来分析样本均值与总体均值的差异，以此来判断这个样本来自总体的均值是否等于（大于或小于）某个已知总体的均值，适用条件是样本数据分布呈正态分布，小样本情况下需要检验，大样本情况下近似正态，该方法比较稳健，只要不是严重偏态都可以使用。
二、分析—比较均值—配对样本T检验当配对设计的数据为连续变量时，可以使用配对T检验，配对T检验认为如果两种处理实际上没有差异，则每对数据的差值的总体均值应该为0，实际上就是已知均值为0的单样本T检验，因此适用条件也和单样本T检验一样。
三、分析—比较均值—独立样本T检验和配对设计相对应，独立样本t检验是针对成组设计，数据资料被分为两组，也就是两个样本，它们之间是相互独立的，检验的目的是判断这两个样本来自的总体均值是否存在差异。
由于涉及到两个总体，而每个总体的离散程度即方差也不一定相同，因此需要先对两样本的方差齐性做出检验，并且根据结果分为方差相同和方差不同两种算法。
独立样本t检验和配对样本t检验的区别：1.独立样本t检验用于检验两个独立样本是否来自具有相同均值的总体，也就是检验两个正态分布的总体均值是否相等。
配对样本t检验用于检验两个相关样本是否来自具有相同均值的正态总体，也就是检验两相关样本的差值的均值和零均值之间的差异显著性2.独立样本是指不同样本均值的比较，配对样本是相同样本均值的比较，例如同一个体的两次测量，如果分为实验组和对照组，那么就应该是独立样本。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本文指在简述SPSS中的T检验，主要说明了T检验的原理和应用，及使用范围。
和SPSS中的基本操作。
T检验是检验样本的均值和给定的均值是否存在显著性差异。
T检验分为3类：单样本T检验、两独立样本T检验和两配对样本T检验。
关键词：T检验、SPSS、显著性水平、统计量、概率P-值、自由度、线性相关、置信区间、零假设。
目录一、单样本T检验 (3)1.单样本T检验的目的 (3)2.单样本T检验的基本步骤 (3)3.单样本T检验的应用举例 (4)三、两独立样本T检验 (5)1.两独立样本T检验的目的 (5)2．两独立样本T检验的基本步骤 (5)3.两独立样本T检验的应用举例 (7)三、两配对样本T检验 (9)1.两配对样本T检验的目的 (9)2.两配对样本T检验的基本步骤 (9)3.两配对样本T检验的应用举例 (9)四、参考文献 (12)一、单样本T 检验1.单样本T 检验的目的。
单样本t 检验的目的是利用来自某总体的样本数据，推断该总体的均值是否与制定的检验值之间存在显著性差异。
它是对总体均值的假设检验。
2.单样本T 检验的基本步骤。
⑴.提出原假设。
单样本T 检验的原假设0H 为：总体均值与检验值之间不存在显著差异，表述为0H ：0μμ=。
μ为总体均值，0μ为检验值。
⑵.选择检验统计量。
当总体分布为正态分布),(2σμN 时，样本均值的抽样分布仍为正态分布，该正态分布的均值为μ，方差为2σ/n ，即),(~2nN X σμ式中，μ为总体均值，当原假设成立时，0μμ=；2σ为总体方差；n 为样本数。
总体分布近似服从正态分布时。
通常总体方差是未知的，此时可以用样本方差2S 替代，得到的检验统计量为t 统计量，数学定义为:nS X t 2μ-=①式中，t 统计量服从n-1自由度为t 分布。
单样本t 检验的检验统计量即为t 统计量。
当认为原假设成立时μ用0μ代入。
⑶计算检验统计量观测值和概率P-值该步目的是甲酸检验统计量的观测值和相应的概率P-值。
SPSS 将自动将样本均值、0μ、样本方差、样本数代入式①中，计算出t 统计量的观测值和对应的概率P-值。
⑷给定显著性水平α，并作出决策。
如果概率P-值小于显著性水平α，则应拒绝原假设，认为总体均值与检验值之间存在显著差异；反之，如果概率P-值大于显著性水平α，则不应拒绝原假设，认为总体均值与检验值之间无显著差异。
3.单样本T检验的应用举例案例：利用住房状况问卷调查数据，推断家庭人均住房面积的平均值是否为20平方米。
数据名字为“住房状况调查.sav”推断家庭人均住房面积的平均值是否为20平方米。
由于该问题设计的是单个总体，且要进行总体均值比较，同时家庭人均住房面积的总体可近似认为服从正态分布，因此，可采用单样本T检验来进行分析。
SPSS单样本T检验的基本操作步骤是：⑴选择菜单：【Analyze】→【Compare Means】→【O ne-Samples T Test】出现如图所示的窗口。
图1⑵选择待检验的变量到【Test Variables】，在【Test Value】框中输入检验值。
⑶按Option按钮定义其他选项，出现图2所示的窗口。
Option选项用来指定缺失值的处理方法。
另外，还可以输出默认95%的置信区间。
图2至此，SPSS将自动计算t同嘉陵和对应的概率P-值。
分析结果如表3和表4所示。
人均住房面积的基本描述统计结果表3人均住房面积单样本T 检验结果表4由表3可知，2993个家庭的人均住房面积的平均值为22平方米，标准差为12.7平方米，均值标准误差为（nS）为0.23.表4中，第二列是t 统计量的观测值为8.64；第三列是自由度为2992；第四列是t 统计量观测值的双尾概率P-值；第五列是样本均值与检验值的差，即t 统计量的分子部分；第六列和第七列是总体均值与原假设值差的95%的置信区间，为（1.55,2.46），由此计算出总体均值的95%的置信区间为（21.55,22.46）平方米。
该问题应采用双尾检验，因此比较α和p 。
如果α给定为0.05，由于p 小于α，因此应拒绝原假设，认为家庭人均住房面积的平均值与20平方米由显著差异。
95%的置信区间告诉我们有95%的把握认为家庭人均诸方面均值在21.55~22.46平方米之间。
三、两独立样本T 检验1.两独立样本T 检验的目的两独立样本T 检验的目的是利用来自两个总体的独立样本，推断两个总体的均值是否存在显著差异。
2．两独立样本T 检验的基本步骤。
⑴提出零假设两独立样本T 检验的原假设0H 为：两总体均值无显著差异。
表述为： 0H ：021=-μμ1μ，2μ分别为第一个和第二个总体的均值。
⑵选择检验统计量对两总体均值差的推断是建立在来自两个总体样本均值差的基础之上的，也就是希望利用两组样本均值的差去估计量总体均值的差。
因此，应关注两样本均值的抽样分布。
当两总体分布分别为),(211σμN 和),(222σμN 时，两样本均值差的抽样分布仍为正态分布，该正态分布的均值为21μμ-，方差为212σ。
在不同的情况下，212σ有不同的计算方式。
第一种情况：当两总体方差未知且相等，即21σσ=时，采用合并的方差作为两个总体方差的估计，数学定义为2)1()1(212222112-+-+-=n n S n S n Sp式中，21S ，22S 分别为第一组和第二组样本的方差；1n ，2n 分别为第一组和第二组样本的样本数。
此时两样本均值差的抽样分布的方差212σ为2212212n Sp n Sp +=σ 第二种情况：当两总体方差未知且不相等，即21σσ≠时，分别采用各自的方差，此时两样本均值差的抽样分布的方差212σ为：2212212n S n S +=σ ② 于是，两总体均值差检验的检验统计量为t 统计量，数学定义为：2122121)(σμμ---=X X t ③在第一种情况下，t 统计量服从221-+n n 个自由度的t 分布；在第二种情况下，服从修正自由度的t 分布，修正的自由度定义为2222121212222121)()()(n nS n n S n S n S f ++= ⑶计算检验统计量观测值和概率P-值。
该步的目的是计算F 统计量和t 统计量的观测值以及相应的概率P-值。
SPSS 将自动依据单因素方差分析的方法计算F 统计量和概率P-值，并自动将两组样本的均值、样本数、抽样分布方差等代入式③中，计算出t 统计量的观测值和对应的概率P-值。
⑷给定显著性水平α，并作出决策。
第一步，利用F 检验判断两总体的方差是否相等，并据此决定抽样分布方差和自语度的计算方法和计算结果。
如果F 检验统计量的概率P-值小于显著想水平α，则应拒绝原假设，认为两总体方差没有显著差异，应选择式②和式③计算出的结果：反之，若果概率P-值大于显著性水平α则不应拒绝原假设，认为两总体方差无显著差异。
第二步，体用t 检验判断两总体均值是否存在显著差异。
如果t 检验统计量的概率P-值小于显著性水平α，则应拒绝原假设，认为两总体均值有显著性差异；反之，如果概率P-值大于显著性水平α，则不应拒绝原假设，认为两总体均值无显著差异。
3.两独立样本T 检验的应用举例原假设是：本市户口和外地户口的家庭收入人均值无显著性差异，即0:210=-μμH⑴选择菜单【Analyze 】 → 【Compare Means 】 → 【Indendent- Samples T Test 】 于是出现如图所示的窗口。
图3⑵选择检验变量到【Test V ariables （s ）】框中。
⑶选择总体标识变量到【Grouping Variables 】框中。
⑷按Define Groups 按钮定义两总体的标识值，显示如图4所示的窗口。
其中【Use Specified Values 】表示分别输入对应两个不同总体的标志值；【Cut Point 】框中应输入一个数字，大于等于该值的对应另一个总体。
图4⑸两独立样本t检验的Option选项含义与单样本t检验的相同。
分析结果如图5所示本市户口和外地户口家庭人均住房面积的基本描述统计Group Statistics户口状况N MeanStd.DeviationStd. ErrorMean人均面积本市户口2825 21.725812.17539 .22907外地户口168 26.716518.96748 1.46337图5由图5可以看出，本市户口和外地户口的家庭人均住房面积的样本平均值有一定的差距。
通过检验应推断这种差异是抽样误差造成的还是系统性的。
本市户口和外地户口家庭人均住房面积两独立样本t检验结果图6图6是本市户口和外地户口家庭人均住房面积的均值检验结果。
分析结论应通过两步完成。
第一步，两总体方差是否相等的F检验。
这里，该检验的F统计量的观测值为65.469，对应的概率P-值为0.00.如果显著性水平 为0.05，由于概率P-值小于0.05，可以认为两总体的方差有显著差异。
第二步，两总体均值的检验。
在第一步中，由于两总体方差有显著差，因此应看第二行T检验的结果。
其中T统计量的观测值为-3.369，对应的双尾开率P-值为0.001.如果显著性水平为0.05，由于概率P-值小于0.05，因此认为两总体的均值有显著差异，即本市户口和外地户口的家庭人均住房面积的平均值存在显著差异。
图6中的第七列和第八列分别为T统计量的分子和分母；第九列和第十列为两总体差的95%置信区间的上限和下限。
三．两配对样本T 检验1.两配对样本T 检验的目的两配对样本T 检验的目的是利用来自两个不同总体的配对样本，推断两个总体的均值是否存在显著差异。
配对样本通常有两个特征：第一，两组样本的样本数相同;第二，两组样本观测值的先后顺序是一一对应的，不能随意更改。
2.两配对样本T 检验的基本步骤。
⑴提出原假设两配对样本T 检验的原假设0H 为：两总体均值无显著差异，表述为0H ：021=-μμ。
1μ，2μ分别为第一个和第二个总体的均值。
⑵选择统计量。
两配对样本T 检验采用T 统计量。
其思路是：首先，对两组样本分别计算出每对观测值的差值得到差值样本；然后，体用差值样本，通过对其均值是否显著为0的检验来推断两总体均值的差是否显著为0.如果差值样本的均值与0有显著差异，则可以认为两总体的均值有显著差异；反之，如果差值系列的均值与0无显著差异。
则可以认为两总体均值不存在显著差异。
⑶计算检验统计量观测值和概率P-值SPSS 将计算两组样本的差值，并将相应数据代入式①，计算出T 统计量的观测值和对应的概率P-值。
⑷给定显著水平α，并作出决策。
给定显著水平α，与检验统计量的概率P-值作比较。
如果13，则应拒绝原假设，认为差值样本的总体均值与0有显著不同，两总体的均值有显著差异；反之，如果概率P-值大于显著水平α，则不应拒绝原假设，认为差值样本的总体均值与0无显著不同，两总体的均值不存在显著差异。