3、用SPSS进行T检验

依据调查问卷，进行单样本T检验SPSS
操作步骤
本文档将介绍如何使用SPSS进行单样本T检验，以便根据调查问卷数据进行统计分析。

步骤一：准备数据
1. 打开SPSS软件并导入数据文件。

2. 确保数据文件中包含了需要分析的目标变量。

步骤二：进行单样本T检验
1. 点击菜单栏中的"分析（Analyse）"选项。

3. 将目标变量拖动到"因变量"栏中，并将参照组变量（在这里通常是一个常数）拖动到"因子"栏中。

4. 点击"确定（OK）"按钮。

步骤三：查看结果
1. 在SPSS输出窗口中，查找单样本T检验的结果。

2. 结果中将显示均值、标准误差、95%置信区间、T值和P值
等统计信息。

请注意，进行单样本T检验前需要确保数据满足一些前提条件，例如正态分布和同方差性。

如果数据不满足这些条件，可能需要使
用非参数测试方法进行分析。

以上是依据调查问卷进行单样本T检验的SPSS操作步骤。

希
望本文档能够帮助您进行统计分析。

t检验前言：一、t检验有3种：单样本t检验、配对样本t检验、两组独立样本t检验。

二、t检验条件：数据资料服从正态或近似正态分布。

两组独立样本t检验还要求两组方差齐（不齐则要进行校正）。

正文：一、单样本t检验理论：单样本t检验是检验样本均数X和总体均数μ【已知的理论值（如脉搏72）、标准值或公认值】的比较。

T=（样本均数-总体均数）/样本均数的标准误Spss操作：前提：建立数据库（一列变量）第一步：正态性检验Analyze→Npar tests→1-sample K-S→数据调入右框（test variable list），选中Test Distribution中的normal→OK。

第二步：看output，判断数据资料正态性与否。

看统计量Z 和P值。

P＞0.05，资料正态分布。

第三步：t检验。

正态性，则进行样本均数与总体均数的比较，即单样本t检验。

Analyze→compare means→one-sample T test→将数据调入右框（test variable），在右框下的Test Value右边框中输入总体均数μ→OK第四步：看output中的P值，判断差异是否有统计学意义。

P＞0.05，差异无统计学意义。

二、配对样本t检验理论：配对设计有3种情况：1、同一样本分为2份，用2种不同的方法测定；2、自身比较，同一样本处理前后的比较（处理前后的过程中，应保持其他非处理因素的齐同性，并且处理周期不宜太长；3、将某些因素相同的样本组成配伍组，随即分为两组。

T=每一配对的测量值之差的均数/每一配对的测量值之差的均数的标准误。

（各自公式见理论）Spss操作：前提：建立数据库（两列：如before和after）第一步：两组数据做正态性检验Analyze→Npar tests→1-sample K-S→两组数据皆调入右框（test variable list），选中Test Distribution中的normal →OK。

spss单一样本的T检验SPSS是一款广泛使用的统计软件，可以用于各种统计分析，包括单一样本的T 检验。

下面是关于如何使用SPSS进行单一样本的T检验的详细步骤和解释。

一、目的单一样本的T检验主要用于比较一个样本的平均值与已知的或预设的数值，或者用于比较一个样本与已知的或预设的数值之间的差异。

这种检验通常用于检验一个样本是否显著地不同于已知的或预设的数值。

二、步骤1.打开SPSS软件，点击“分析”菜单，然后选择“比较平均值”>“独立样本T检验”。

2.在弹出的对话框中，将左侧的“独立样本T检验”选项卡中的“变量”字段拖到右侧的“变量”框中。

3.在“独立样本T检验”选项卡下方的“组”字段中输入已知的或预设的数值。

4.点击“确定”按钮，SPSS将计算并显示T检验的结果。

三、结果解释单一样本的T检验的结果通常包括T值和p值。

T值是计算出的统计量，而p 值是观察到的数据与零假设之间的不一致程度。

如果p值小于选择的显著性水平（通常为0.05），则可以拒绝零假设，认为样本平均值与已知的或预设的数值之间存在显著差异。

四、注意事项1.单一样本的T检验的前提是数据符合正态分布。

如果数据不符合正态分布，可以使用非参数检验，例如Mann-Whitney U检验或Wilcoxon符号秩检验。

2.在使用单一样本的T检验时，需要明确知道或预设的数值是什么，以及为什么要比较这个数值。

如果不知道或预设的数值是什么，或者比较的目的不明确，那么这种检验可能会没有意义或者导致错误的结论。

3.单一样本的T检验只能告诉我们一个样本的平均值与已知的或预设的数值之间的差异是否显著，但不能告诉我们这种差异的实际意义或影响。

因此，在解释结果时需要谨慎，并考虑实际应用背景。

4.在进行单一样本的T检验时，需要确保数据的质量和准确性。

如果数据存在缺失、异常值或错误，将会对结果产生影响。

在进行统计分析前，需要对数据进行清洗和预处理。

5.在进行单一样本的T检验时，需要考虑变量的类型和测量尺度。

SPSS统计分析教程-独立样本T检验.docSPSS统计分析教程：独立样本T检验一、简介独立样本T检验（Independent Sample T-test）是统计分析中常见的一种方法，主要用于比较两组数据的均值是否存在显著差异。

这种检验的前提假设是，两组数据来自正态分布的独立样本。

独立样本T检验在SPSS中的实现相对简单，下面将详细介绍其操作步骤和解读结果。

二、数据准备在进行独立样本T检验之前，需要准备好数据。

数据通常存储在Excel或SPSS数据文件中。

为了方便起见，我们将使用SPSS数据文件进行说明。

三、操作步骤1.打开SPSS软件，点击“分析”（Analyze）菜单，然后选择“比较均值”（Compare Means）中的“独立样本T检验”（Independent Sample T-test）。

2.在弹出的对话框中，将左侧的“组别”（Grouped By）字段设置为一组变量，如“性别”（Gender），将右侧的“组1”（Group 1）和“组2”（Group 2）字段设置为另一组变量，如“年龄”（Age）。

3.点击“确定”（OK）按钮开始进行独立样本T检验。

四、结果解读1.假设检验（Hypothesis Test）：在结果中，可以看到假设检验的结果。

如果p值小于显著性水平（通常为0.05），则拒绝原假设（即两组数据的均值无显著差异），认为两组数据的均值存在显著差异。

反之，如果p值大于显著性水平，则接受原假设，认为两组数据的均值无显著差异。

2.均值（Mean）：在结果中，可以看到每组数据的均值。

如果两组数据的均值存在显著差异，则可以通过均值的大小来判断哪组数据更好或更优。

3.标准差（Standard Deviation）：在结果中，还可以看到每组数据的标准差。

标准差反映了数据分布的离散程度，标准差越大，说明数据分布越不集中。

4.t统计量（t-statistic）：t统计量是用来衡量两组数据之间差异大小的一个指标。

例题
比较两批电子器材的电阻，随机抽取的样本测量电阻如题表2所示，试比较两批电子器材的电阻是否相同？（提示：需考虑方差齐性问题）
分析步骤：
单击工具栏“分析”——>单击“比较均值”——>单击“单因素ANOVA检验”——>因变量列表置为电阻——>因子置为类别——>选项——>选中方差齐性检验
图1 单因素ANOVA检验
图2 统计
单击工具栏“分析”——>单击“比较均值”——>单击“独立样本T检验”——>检验变量置为电阻——>单击定义组——>填入A批、B批——>单击“确定”
图3 独立样本T检验结果展示：
表4：独立样本检验
结果分析：
假设A,B两批电阻相互独立且均服从正态分布。

H0：u1-u2＝0，两批电阻器材的电阻相同
H1：u1-u2≠0，两批电阻器材的电阻不相同
1、查看表4莱文方差等同性检验（levene），假定等方差（显著性为0.435>0.05，代表方差是齐性的），我们看第一行数据。

t检验结果显示，t=1.648，v=12，P=0.125>0.05，按照检验水准，接受H0，拒绝H1，故两批电阻器材的电阻相同。

2、查看表4莱文方差等同性检验（levene），不假定等方差，我们看第二行数据。

t’检验结果显示，t=1.648，v=10.671，P=0.129>0.05，按照检验水准，接受H0，拒绝H1，故两批电阻器材的电阻相同。

使用SPSS-进行两组独立样本的t检验、F检验、显著性差异、计算p值
点击“分析”-“比较均值”-“独立样本T检验”
来到这里，分组变量为“分组嗷嗷嗷”，检验变量为“体重喵喵喵”。

【关键的一步】点击分组嗷嗷嗷，进行“定义组”
【关键的一步】输入对应的两组数据的组名：“111”和“222”
点击确定，可见数据与组名对应上了。

点击“确定”，生成T检验的报告，即将大功告成！
第一个表都知道什么回事就不缩了，excel都能实现的。

第二个表才是重点，不然用SPSS干嘛。

F检验：在两样本t检验中要用到F检验，F检验又叫方差齐性检验，用于判断两总体方差是否相等，即方差齐性。

如图：F旁边的Sig的值为.007 即0.007，<0.01,
即两组数据的方差显著性差异！
看到“假设方差相等”和“假设方差不相等”了么？此时由于F检验得出Sig <0.01，即认为假设方差不相等！因此只关注红框中的数据即可。

如图，红框内，Sig（双侧），为.490即0.490，也就是你们要求的P值啦，
Sig ( 也就是P值) >0.05，所以两组数据无显著性差异。

PS：同理，如果F检验的Sig >.05（即>0.05），则认为两个样本的假设方差相等。

所以相应的t检验的结果就看上面那行。

by 20150120 深大医学院FG。

SPSS中的卡⽅检验、t检验和⽅差分析
⾸先要明⽩两个概念：
计数资料和计量资料
（1）计数资料⼜称为定性资料：是分类型的，统计每个类型有多少数量。

（2）计量资料⼜称为定量资料：⽐如年龄，是有具体的数值。

根据数据的类型，使⽤不同的⽅法：
（1）对于计量资料。

秩和检验在国内的⽂章中很少见到。

当数据只有两组进⾏对⽐的时候，使⽤t检验和⽅差分析都可以。

但是有两组或者两组以上的时候，使⽤⽅差检验。

（2）对于计数资料，使⽤卡⽅分析，卡⽅分析⽤于⽐较，不同组之间，不同数量是否有差异。

⽐如，⽐较两组，男⽣⼈数和⼥⽣⼈数是否有差距。

独⽴样本t检验：两独⽴样本t检验就是根据样本数据对两个样本来⾃的两独⽴总体的均值是否有显著差异进⾏推断；进⾏两独⽴样本t检验的条件是，两样本的总体相互独⽴且符合正态分布；
⽐如：A组和B组，⽐较A组⼈的⾝⾼和B组⼈的⾝⾼是否有差异。

配对样本t检验-：配对样本是指对同⼀样本进⾏两次测试所获得的两组数据，或对两个完全的样本在不同条件下进⾏测试所得到的两组数据；两独⽴样本t检验就是根据样本数据对两个配对样本来⾃的两配对总体的均值是否有显著差异进⾏推断；两配对样本t检验的前提条件：两样本是配对的（数量⼀样，顺序不能变），服从正态分布。

⽐如：实验组A组中，实验前后，变化的对⽐。

SPSS对数据进行T检验统计分析下面将做此项目的最后一个环节，即使用SPSS进行统计分析。

先用SPSS来做组设计两样本均数比较的T检验，其步骤如下。

（1）执行Analyze/Compare Means/Independent-Samples T test命令，打开如图1-43所示的对话框。

（2）在该对话框中选择X放入TEST列表框中，选择Group放入Grouping Variable文本框中，如图1-44所示。

图1-43 打开T检验对话框图1-44 选择入列表（3）单击Define Groups按钮，系统弹出比较组定义对话框，如图1-45所示。

（4）在该对话框中的两个值框中分别输入1和2，然后单击Continue按钮，如图1-46所示。

图1-45 比较组定义对话框图1-46 输入值（5）单击T检验对话框中的OK按钮，如图1-47所示。

图1-47 进行T检验（6）系统经过计算后，会弹出结果浏览窗口。

首先给出的是两组的基本情况描述，如样本量、均数等，然后是T检验的结果，如图1-48所示。

图1-48 T检验结果从上图中可见，结果分为两大部分：第一部分为Levene's方差检验，用于判断两体方差是否齐，这里的检验结果为F=0.032，p=0.860，可见在本例中方差齐；第二部分则分别给出两组所在部体方差齐和方差不齐时的T检验结果，即上面一行列出的T=2.542，V=22，p=0.019。

从而最终的统计结论为按=0.05水准，拒绝H0，认为克山病患者与健康人的血磷值是不同的。

从样本均数来看，可以确定克山病患者的血磷值较高。

《证券理论与实务》模块八考试精要（证券市场基础知识）模块八考试精要一、单项选择题1、涉及证券市场的法律、法规第一个层次是指（）。

A、法律B、行政法规C、厂纪厂规D、部门规章2、涉及证券市场的法律、法规第二个层次是指（）。

A、法律B、行政法规C、厂纪厂规D、部门规章3、涉及证券市场的法律、法规第三个层次是指（）。

使用“住房状况调查”数据，对不同性别、户口状况的居民现住面积进行独立样本T检验并解释其结果。

答：对不同性别的居民现住面积进行独立样本T检验：①SPSS操作：第一步：点击“分析”、依次选择“比较平均值”、“独立样本T检验”；第二步：将“现住面积”选入“检验变量”，“性别”选入“分组变量”，在点击“定义组”，在“组1”中键入1，在“组2”中键入2，点击“继续”、“确定”。

②结果输出：③结果解读：先用F检验对不同性别的居民现住面积的方差是否向相等加以验证，然后利用t检验对不同性别的居民现住面积的均值是否存在差异进行检验。

从独立样本检验输出图中可以看到：F统计量为1.598，p值为0.206，在显著性水平0.05下，p值大于0.05，不拒绝原假设，即认为不同性别的居民现住面积的方差相等，没有差别。

由于不同性别的居民现住面积的方差没有差别，t检验将看假定等方差一栏。

t统计量为2.982，p值为0.003，在显著性水平0.05下，p值小于0.05，拒绝原假设，即认为不同性别的居民现住面积的均值有显著性差异。

对不同户口状况的居民现住面积进行独立样本T检验：④SPSS操作：第一步：点击“分析”、依次选择“比较平均值”、“独立样本T检验”；第二步：将“现住面积”选入“检验变量”，“户口状况”选入“分组变量”，在点击“定义组”，在“组1”中键入1，在“组2”中键入2，点击“继续”、“确定”。

⑤结果输出：⑥结果解读：先用F检验对不同户口状况的居民现住面积的方差是否向相等加以验证，然后利用t检验对不同户口状况的居民现住面积的均值是否存在差异进行检验。

从独立样本检验输出图中可以看到：F统计量为5.966，p值为0.015，在显著性水平0.05下，p值小于0.05，拒绝原假设，即认为不同户口状况的居民现住面积的方差存在显著差异。

由于不同户口状况的居民现住面积的方差存在显著差异，t检验将看不假定等方差一栏。

t统计量为3.314，p值为0.001，在显著性水平0.05下，p值小于0.05，拒绝原假设，即认为不同户口状况的居民现住面积的均值有显著性差异。

用SPSS进行T检验什么是T检验？T检验是统计学中的常用方法之一，用于检验两组样本的均值是否有显著差异。

它是通过计算样本的t值来确定两组样本均值差异是否显著。

因此，如果两组样本的t值越大，则它们之间的差异就越明显。

在进行T检验之前，我们首先需要明确两组样本是否满足正态分布的要求。

如果样本呈正态分布，则我们可以使用独立样本T检验或配对样本T检验进行检验。

如果不符合正态分布条件，我们需要使用非参数检验方法，例如Wilcoxon符号秩检验或Mann-Whitney U检验。

如何用SPSS进行T检验？下面我们将演示如何使用SPSS进行独立样本T检验和配对样本T检验。

独立样本T检验独立样本T检验用于检验两个独立样本的均值是否有差异。

例如，我们想知道男性和女性在身高上是否有显著差异，则可以使用独立样本T检验来验证。

我们使用一个示例数据集来展示如何进行独立样本T检验。

该数据集包含两组样本：一组是男子的身高，另一组是女子的身高。

在SPSS中，我们可以按照以下步骤进行独立样本T检验：1.打开SPSS软件并载入数据集。

2.单击菜单栏中的“分析”（Analyze），然后选择“比较均值”（CompareMeans），再选“独立样本T检验”（Independent-Samples T Test）。

3.在“独立样本T检验”对话框中，将男性身高和女性身高变量分别放到“变量1”和“变量2”框中。

4.点击“OK”按钮，SPSS将自动计算并输出T检验的结果和描述性统计数据。

下面是一个示例的SPSS的输出：执行男子控制女子均值174.609 161.164标准差 6.971 6.098标准误差均值 1.760 1.53595% CI（下限）171.023 158.126T 17.915df 38Sig。

（双尾）.000T检验结果显示，在本例中，男性和女性的身高之间存在显著差异。

T值为17.915，df值为38，Sig值小于0.05，表明这两组数据的差异不是由于随机因素导致的，而是由于不同的性别所导致的。

独立样本t检验spss的步骤独立样本t检验SPSS的步骤概述：独立样本t检验（Independent Samples t-test）是一种常见的统计方法，用于比较两组独立样本的均值是否存在显著差异。

在SPSS （Statistical Package for the Social Sciences）软件中进行独立样本t检验是一项相对简单而又方便的任务。

本文将详细介绍如何使用SPSS进行独立样本t检验的步骤。

步骤一：准备数据和SPSS环境在进行独立样本t检验之前，首先需要准备好需要进行比较的两组数据以及将其输入到SPSS软件中。

确保数据的格式正确，即每一组数据都应该是一个单独的变量。

打开SPSS软件，并在数据编辑器中将这两组数据输入到不同的变量列中。

步骤二：指定假设在进行独立样本t检验之前，需要明确要比较的两组数据的假设。

独立样本t检验有一对假设需要检验，分别是零假设（H0）和备择假设（H1）。

零假设（H0）：两组数据的均值相等。

备择假设（H1）：两组数据的均值不相等。

步骤三：进行独立样本t检验在SPSS软件中，进行独立样本t检验需要使用“Analyze”和“Compare Means”菜单。

按照以下步骤进行操作：1. 选择菜单栏中的“Analyze”。

2. 选择“Compare Means”。

3. 在“Compare Means”菜单下，选择“Independent-Samples T Test”。

在弹出的对话框中，将需要比较的两组数据变量选择到“Test Variables”框中。

点击“箭头”按钮将其移至“Grouping Variable”框中。

点击“OK”按钮，SPSS将自动为你进行独立样本t检验，并生成相应的结果报告。

步骤四：解读结果SPSS生成的独立样本t检验结果报告包含了一些关键的统计信息。

以下是一些常见的结果：1. “Mean Difference”（平均数差异）：表示两组数据均值之间的差异。

SPSS：数据分析3、T检验（TTest）⽅差分析（ANOVA）（Chi-squareTe。

⽬录1、数据采集2、数据是否服从正态分布3、T检验（T Test）4、⽅差分析（ANOVA）5、卡⽅检验（Chi-square Test）6、灰⾊关联度分析（Grey Relation Analysis，GRA）7、弗⾥德曼检验（Friedman Test）8、箱图（Box）1、数据采集1、数据分类定性观察、访谈、调查定量⼿动测量、⾃动测量、问卷打分主观等级、排序、感觉、有⽤性客观时间、数量、错误率、分数⾃变量不同的实验条件因素，研究的因素因变量不同的实验条件所影响的、要观测的因素连续数量值（preference）时间、数量、错误率------离散数量值（usability问卷打分等级数量值（usability）等级、排序变量类型Norminal Data 定类变量 | 变量的不同取值仅仅代表了不同类的事物，这样的变量叫定类变量。

问卷的⼈⼝特征中最常使⽤的问题，⽽调查被访对象的“性别”，就是定类变量。

对于定类变量，加减乘除等运算是没有实际意义的。

Ordinal Data 定序变量 | 变量的值不仅能够代表事物的分类，还能代表事物按某种特性的排序，这样的变量叫定序变量。

问卷的⼈⼝特征中最常使⽤的问题“教育程度“，以及态度量表题⽬等都是定序变量，定序变量的值之间可以⽐较⼤⼩，或者有强弱顺序，但两个值的差⼀般没有什么实际意义。

Interval Data 定距变量 | 变量的值之间可以⽐较⼤⼩，两个值的差有实际意义，这样的变量叫定距变量。

有时问卷在调查被访者的“年龄”和“每⽉平均收⼊”，都是定距变量。

Ratio Data 定⽐变量 | 有绝对0点，如质量，⾼度。

定⽐变量与定距变量在市场调查中⼀般不加以区分，它们的差别在于，定距变量取值为“0”时，不表⽰“没有”，仅仅是取值为0。

定⽐变量取值为“0”时，则表⽰“没有”。

一、问题与数据某班级老师拟比较该班级本次考试中，男生和女生的考试成绩是否有差异，该班级男生和女生各有20名同学，变量名记录为gender，分别赋值为1和2，考试成绩变量名记录为score，部分数据如图1。

图1 部分数据二、对问题分析研究者拟分析两组数据均值是否有差异，即判断男生和女生的成绩是否有差异。

针对这种情况，我们可以使用独立样本t检验，但需要先满足6项假设：假设1：观测变量为连续变量，如本研究中的成绩为连续变量。

假设2：观测变量可分为2组，如本研究中分为男生和女生。

假设3：观测值之间相互独立，如本研究中各位研究对象的信息都是独立的，不存在相互干扰。

假设4：观测变量不存在显著的异常值。

假设5：观测变量在各组内接近正态分布。

假设6：两组的观测变量的方差相等。

假设1-3取决于研究设计和数据类型，本研究数据符合假设1-3。

那么应该如何检验假设4-6，并进行独立样本t检验呢？三、SPSS操作假设4和假设5可通过以下方式检验。

假设6的检验结果可在结果解释部分查看。

3.1 检验假设4：观测变量不存在显著的异常值在主界面点击Analyze→Descriptive Statistics→Explore，弹出Explore对话框，如图2。

在对话框中将score变量放入Dependent List栏，并将gender变量放入 Factor List栏。

图2 Explore点击Plots，取消对Descriptive栏内 Stem-and-leaf选项的选择，并点击Normality plots with tests选项，点击Continue→OK。

如图3。

图3 Explore: Plots 经上述操作，SPSS输出箱式图。

如图4。

图4 箱式图SPSS中，数据点与箱子边缘的距离大于1.5倍箱身长度，则定义为异常值，以圆点（°）表示；与箱子边缘的距离大于3倍箱身长度，则定义为极端值，以星号（*）表示。

圆点或星号附近的数值是SPSS系统的自动编码（Data View窗口中最左侧蓝色一列中的编码）。

在统计学中，我们往往从样本的特性推知随机变量总体的特性。

但由于总体中个体之间存在差异，样本的统计量和总体的参数之间往往会有误差。

因此，均值不相等的样本未必来自不同分布的总体，而均值相等的样本未必来自有相同分布的总体。

也就是说，如何从样本均值的差异推知总体的差异，这就是均值比较的内容。

SPSS提供了均值比较过程，在主菜单栏单击“Analyze”菜单下的“Compare Means”项，该项下有5个过程，如图4-1。

平均数比较Means过程用于统计分组变量的的基本统计量。

这些基本统计量包括：均值（Mean）、标准差(Standard Deviation)、观察量数目(Number of Cases)、方差(Variance)。

Means过程还可以列出方差表和线性检验结果。

[例子]调查了棉铃虫百株卵量在暴雨前后的数量变化，统计暴雨前和暴雨后的统计量，其数据如下：暴雨前 110 115 133 133 128 108 110 110 140 104 160 120 120暴雨后 90 116 101 131 110 88 92 104 126 86 114 88 112该数据保存在“”文件中。

1）准备分析数据在数据编辑窗口输入分析的数据，如图4-2所示。

或者打开需要分析的数据文件“”。

图4-2 数据窗口2）启动分析过程在SPSS主菜单中依次选择“Analyze→Compare Means→Means”。

出现对话框如图4-3。

图4-3 Means设置窗口3）设置分析变量从左边的变量列表中选中“百株卵量”变量后，点击变量选择右拉按钮，该变量就进入到因子变量列表“Dependent List:”框里，用户可以从左边变量列表里选择一个或多个变量进行统计。

从左边的变量列表中选中“调查时候”变量，点击“Independent List”框左边的右拉按钮，该变量就进入分组变量“Independent List”框里，用户可以从左边变量列表里选择一个或多个分组变量。

t 检验使用条件及在SPSS 中的应用t 检验是对均值的检验，有三种用途，分别对应不同的应用场景：1) 单样本t 检验（One Sample T Test ）：对一组样本，检验相应总体均值是否等于某个值；2) 相互独立样本t 检验（Independent-Sample T Test ）：利用来自某两个总体的独立样本，推断两个总体的均值是否存在显著性差异；3) 配对样本t 检验：是采用配对设计方法观察以下几种情形，1，两个同质受试对象分别接受两种不同的处理；2,同一受试对象接受两种不同的处理；3，同一受试对象处理前后。

下文将分别介绍三种t 检验的使用条件以及在SPSS 中的实现。

一、 单样本t 检验1.1简介1) 单样本t 检验的目的利用来自某总体的样本数据，推断该总体的均值是否与指定的检验值之间存在显著性差异，它是对总体均值的检验。

2) 单样本t 检验的前提样本来自的总体应服从和近似服从正态分布，且只涉及一个总体。

如果样本不符合正态分布或不清楚总体分布的形状，就不能用单样本t 检验，而要改用单样本的非参数检验。

3) 单样本t 检验的步骤a) 提出假设单样本t 检验需要检验总体的均值是否与指定的检验值之间存在显著性差异，为此，给定检验值μ0，提出假设：H 0：μ = μ0 （原假设，null hypothesis ）H 1：μ ≠ μ0（备择假设,alternative hypothesis ，）b) 选择检验统计量属于总体均值和方差都未知的检验采用t 统计量：t =X ̅−μ0S ̂√n ⁄，其中，X ̅和S ̂分别为样本均值和方差，t 的自由度为n-1SPSS 中还将显示均值标准误差，计算公式为S ̂√n⁄，即t 统计量的分母部分。

c) 计算统计量的观测值和概率将样本均值、样本方差、μ0带入t 统计量，得到t 统计量的观测值，查t 分布界值表计算出概率P 值。

d) 给出显著性水平α，作出统计判断给出显著性水平α，与检验统计量的概率P 值作比较。