SPSS问卷分析篇之单样本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。

一、被调查学生对“云窗的打分值”总体平均值的推断：1、以71个被调查学生为样本做T 检验由表a 可知，71个观测的平均值为71.21，标准差为15，120，均值标准误为1.794。

表b 中，第二列是t 统计量的观测值为0.675，第三列是自由度n-1=70，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（1.211），即t 统计量的分子部分，他除以表a 的均值标准误（1.794）后得到t 统计量的观测值0.675，第六列和第七列是总体均值与检验值差的95%的置信区间，为（67.63，74.79）。

对于研究的问题应采用双尾检验，因此比较2α和2p，即比较α和p 。

由于p 大于α（0.05），因此不能拒绝零假设，认为被调查学生对“云窗的打分值”总体平均值没有显著差异。

有95%的把握认为总体均值在 67.63~74.79 分之间。

70分包含在置信区间内，也证实了上述推断。

2、被调查学生对“云窗的打分值”的重抽样自举表cBootstrap 指定采样方法简单箱图样本数1000置信区间度95.0%置信区间类型百分位由表c可知，自举过程执行1000次，随机数种子指定为默认值2000000，采样方法为简单箱图。

中均值的重抽样自举均值与实际样本均值的差为-0.12，1000个均值的标准差为1.82，由此得到的均值95%的置信区间为（67.18，74.46）表e中没有给出双尾检验的概率p值，但是从检验的结果可知有95%的把握认为总体均值在67.184~74.463之间。

70包含在置信区间内。

用更大的样本量再一次说明了被调查学生对“云窗的打分值”总体平均值没有显著差异。

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。

03、独立样本t检验
ADD YOUR TEXT HERE
02 例3.2 有人配制两种不同饵料A.B养殖罗非鱼,选取14个鱼池,随机均分两组进
行试验。经--定试验期后的产鱼量列人表3-3(有一鱼池遭遇意外而缺失数据)。
试问这两种不同饵料养殖罗非鱼的产鱼量有无差异?
表3-3 两种不同饲料养殖罗非鱼的产鱼量/Kg
步骤： 1、导入数据到SPSS→分析→比较平均值→单样本T检验，打开“单样本T检验 对话框；
2、将左侧框中的变量导入右侧检验变量框中，并输入检验值， 点击“选项” 按钮进行设置；
ADD YOUR TEXT HERE
3、点击 “确定”，在结果查看器中查看检验结果。
结果说明： 表一 单样本统计：统计样本为16，平均值为21.519，标准偏差为0.9282，标准误差平均值为0.2321 表二 单样本检验： 显著性（双尾）Sig. (2-tailed)为双侧的概率值, P= 0.041<0.05,零假设不成立，备择假设成立，结 合样本平均值21.519与一般均值为21，即μ＞μ0 ，可以认为在配合饲料中添加0.5%的酵母培养物显著 地提高了成虾体重。
分析：
验添加0.5%的酵母培养物是否提高了成虾体重。
1、零假设H0：µ=µ0=21g，即该次测定的成虾体重与一般平均值没有显著差异；µ0为检验 值21g，µ为样本平均值
2、备择假设H0：µ≠µ0，即该次测定的成虾体重大于或小于一般平均值； 3、选取显著水平：α=0.05，即95%置信区间。
02、单一样本t检验
01、T检验方法
T检验分为三种方法： 1、单一样本t检验（One-sample t test）
比较一组样本数据的平均值和总体平均值有无差异。 2、独立样本t检验（independent t test）

SPSS知识3t检验（两个总体均数比较）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问卷分析篇之单样本T检验
【引入】T检验在问卷分析中经常用到，尤其是通过李克特五级量表收集到的调查数据。

比如：非常同意5、基本同意4、不能确定3、不太同意2、非常不同意1，收集到的数据都是1-5的离散值，还有诸如非常满意、比较满意、不满意等等。

很容易发现一个问题，那就是五级量表中间值是3，如果我们的汇总结果能够显著与3不同，那我们的调查基本上是由意义的。

也就是说，我们要判断一组数据是否显著不同于3，这个时候，就要用的单样本T检验。

【源数据】假设我们已经通过李克特五级量表收集并整理好一份调查数据，包括个性服务、服务态度、促销活动、服务流程、总体满意度5个维度。

量表为：非常同意5、基本同意4、不能确定3、不太同意2、非常不同意1。

现在需要做的是对这5个维度进行评价。

【分析过程】提前求出每份问卷5个维度的均值，再进行SPSS单样本T检验。

第一：在SPSS中选择T检验，需要检验的常数为3。

第二：结果1
原假设各维度均值与3没有差异，现在p值小于0.01，小概率事件不发生，所以，各维度均值与3有显著不同。

可是各维度均值大于3还是小于3呢？当然希望是大于3！
结果2
看到均值那一列数值了吗？各维度均值都明显大于3，这下放心了吧。

说明个性服务、服务态度、促销活动、服务流程还都是可以接受的，较认同，总体满意度4.4，说明我们的各方面的服务已经深得民心，不过，仍需做到最好。

独立样本T检验SPSS操作
例如：男生和女生之间的学业自我效能感有没有统计学意义上的差异
第一步：点击分析→比较均值→独立样本T检验
第二步：出现如下界面，将“学业自我效能感”选入检验变量，将“性别”选入分组变量。

第三步：点击“定义组”，在“使用指定值”下“组1”文本框中填入“1”，“组2”文本框中填入
“2”（因为数据中“1”代表男生，“2”代表女生），然后点击“继续”。

第四步：点击“确定”，出现得到T检验的结果。

第五步：分析结果。

第一张表的名字叫组统计量，实际上这个性别就是男性组和女性组，即按照不同的组别进行分组。

统计出男性组和女性组每一组的均值和标准差。

一列数据是可以选择用均值和标准差来表示的，均值表示的是这一组的学业自我效能感分数的一个均衡状态，标准差反映的就是同学们得分与这个均衡状态的这个偏离程度。

男性和女性在均值上的差异是否具有统计学意义，我们还需要继续考察独立样本T检验的表。

假设方差相等，看F和F对应的显著性水平，要看显著性水平是不是小于0.05，判断方差是否齐性。

若这个数小于0.05，说明假设方差相等的可能性小
于0.05，小概率事件发生，拒绝原假设，即假设方
差不相等，看第二行的数据t和t对应的显著性水平。

如果方差齐性，也就是sig值大于0.05，就看第一
行的数据。

源自SPSSAU 操作截图如下：
SPSSAU-在线 SPSS 分析软件
单样本 T 检验
单样本 T 检验用于分析定量数据是否与某个数字有着显著的差异性 ,比如五级量 表,3 分代表中立态度,可以使用单样本 T 检验分析样本的态度是否明显不为中立状态;系 统默认以 0 分进行对比. 首先判断 p 值是否呈现出显著性,如果呈现出显著性,则分析项明显不等于设定数字, 具体差异可通过平均值进行对比判断. 分析项 网购满意度 单样本 T 检验说明 样本的网购满意度是否明显不为中立状态,以及 是否有明显的满意? 分析结果表格示例如下: 分析项 1 分析项 2 分析项 3 样本量 198 198 198 最小值 1.57 2.00 2.00 最大值 5.00 5.00 5.00 平均值 3.43 3.93 3.84 标准差 0.76 0.86 0.90 t 3.73 0.56 0.13 p 0.03* 0.58 0.88

序 号 1 2 3 4 木糖醇% 9.34 10.67 10.91 9.63 对照% 8.99 9.27 10.51 9.53
6
5 6 7 8 9 10 11 12 13 14 15 16 17
10.67 10.98 9.82 10.07 10.86 8.18 11.32 10.24 11.47 9.2 9.96 9.34 8.16
0 。 为总体均值， 0 为检验值。
⑵.选择检验统计量。 当总体分布为正态分布 N ( , 2 ) 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 ，方差为 2 / n ，即
X ~ N ( ,
2 ) n
式中， 为总体均值，当原假设成立时， 0 ； 2 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 S 替代，得到的 检验统计量为 t 统计量，数学定义为:
6.9 7.01 11.05 9.38 8.33 7.59 10.86 8.23 8.14 11.86 8.07 7.37 7.88 8.68
原假设是：木糖醇与对照无显著性差异，即
H 0 : 1 2 0
表3
单个样本统计量 N 太空种子直径 10 均值 9.4640 标准差 .71787 均值的标准误 .22701
表3 表4太空种子直径T检验结果
单个样本检验 检验值 = 8.86 差分的 95% 置信区间 t 太空种子直径 2.661 df 9 Sig.(双侧) .026 均值差值 .60400 下限 .0905 上限 1.1175
1 ， 2 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 N ( 1 , 1 ) 和 N ( 2 , 2 ) 时， 两样本均值差的抽样分布仍为正态分布， 该正态

1. 00
16 2.6250 .9270.926763
Independent Samples Test
Levene's Test for Equalit y of Variances t-t est for Equality of Means
F
Sig.
t
血 清 胆 E固 qua 醇 l variances assumed .057 .8141.532
健康者编号 X2
1
2.34
2
6.40
3
2.60
4
3.24
5
6.53
6
5.18
7
5.58
8
3.73
9
4.32
10
5.78
11
3.73
2
2.50
3
1.98
4
1.67
5
1.98
6
3.60
7
2.33
8
3.73
9
4.57
10 4.82
11 5.78
12 4.17
13 4.14
分析步骤
第一步:建立数据文件。它设立两个变 量:group 其取值为1表示甲组，其取值2表 示乙组,取文件名为独立样本t检验。GS表 示血糖值.
Test Variable List框内；在
Test Distribution中 激活“Normal”。 单击OK按钮。 则得出输出结 果。
P1=0.995，P2=0.652，都可认为近似正态分布
One -Sample Kolm ogoro v-Smirnov Te st
GRO UP
1.00
N
Norm al Parameters

你的分析结果有T值，有sig值，说明你是在进行平均值的比较。

也就是你在比较两组数据之间的平均值有没有差异。

从具有t值来看，你是在进行T检验。

T检验是平均值的比较方法。

T检验分为三种方法：1. 单一样本t检验（One-sample t test）是用来比较一组数据的平均值和一个数值有无差异。

例如，你选取了5个人，测定了他们的身高，要看这五个人的身高平均值是否高于、低于还是等于1.70m，就需要用这个检验方法。

2. 配对样本t检验（paired-samples t test）是用来看一组样本在处理前后的平均值有无差异。

比如，你选取了5个人，分别在饭前和饭后测量了他们的体重，想检测吃饭对他们的体重有无影响，就需要用这个t检验。

注意，配对样本t检验要求严格配对，也就是说，每一个人的饭前体重和饭后体重构成一对。

3. 独立样本t检验（independent t test）是用来看两组数据的平均值有无差异。

比如，你选取了5男5女，想看男女之间身高有无差异，这样，男的一组，女的一组，这两个组之间的身高平均值的大小比较可用这种方法。

总之，选取哪种t检验方法是由你的数据特点和你的结果要求来决定的。

t检验会计算出一个统计量来，这个统计量就是t值，spss根据这个t值来计算sig值。

因此，你可以认为t值是一个中间过程产生的数据，不必理他，你只需要看sig值就可以了。

sig值是一个最终值，也是t检验的最重要的值。

sig值的意思就是显著性（significance），它的意思是说，平均值是在百分之几的几率上相等的。

一般将这个sig值与0.05相比较，如果它大于0.05，说明平均值在大于5%的几率上是相等的，而在小于95%的几率上不相等。

我们认为平均值相等的几率还是比较大的，说明差异是不显著的，从而认为两组数据之间平均值是相等的。

如果它小于0.05，说明平均值在小于5%的几率上是相等的，而在大于95%的几率上不相等。

我们认为平均值相等的几率还是比较小的，说明差异是显著的，从而认为两组数据之间平均值是不相等的。

SPSS独立单样本t检验方法（independent-samples t Test）又叫两样本t检验，
要将两组独立的数据进行差异性比较，这属于两样本t检验，这是实验中常用的一种检验方法，下面是基本操作方法。

以低浓度组与对照组比较为例进行说明：
操作步骤：
1.输入独立样本数据（变量1和变量2都可以做数据项）
2.选用程序
从菜单选择Analysize——Compare Mean——Independent-samples t Test,打开对话框，分别将数据变量组和组别变量组对应的var转入右边对应的空白框中，数据变量组转到Test Variable(s),组别变量组转到Grouping Variable
转入后，在定义组别，
点击Difine Groups…按钮，出现如下对话框，然后输入对应的组别号，在这个例子中，group1是用1来表示的，group2使用2表示的。

因此，分别输入1和2，再点击Continue按钮。

点击continue按钮后出现如下对话框，再点击OK，这样独立样本T检验程序定义完成。

3.结果分析
在第二步最后点击OK后，软件的分析结果就会出现，如下图，红框里就是要的数据。

经Levene’s方差齐性检验，F=4.655，而P=0.045<0.5,认为两组总体方差是齐的，就看两样本t检验的第一横列的值（也就是跟F同列的值）：t=1.353，P=0.193，按P=0.05水准，P>0.05,则两样本物显著性差异，P<0.05,有显著性差异，P<0.01时，两样本有极大差异。

如果F的P>0.5，则认为两样本总体方差不齐，则看第二横列的值，t检验的P值分析同上。

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“DATA4-1.SAV”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“DATA4-1.SAV”。

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“IndependentList”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。

spss操作独立样本T检验模板.doc一、独立样本T检验的基本概念独立样本T检验是指用于比较两个独立样本平均数是否有显著差异的统计方法。

其中，独立样本是指两组样本各自独立，互不干扰，不相关的情况。

例如，对于两组人员，第一组接受了药物治疗，第二组未接受药物治疗，比较两组人员的体重是否有差异。

在这个例子中，两组人员是独立的。

二、SPSS独立样本T检验的操作步骤（一）数据收集导入在进行独立样本T检验之前，需要先确定要对比的两组数据，并将数据收集起来。

将数据按不相同的组别（如服用药物和未服用药物）分别输入到SPSS中，分别为组别A和组别B。

（二）前期处理在开始分析之前，需要先做一些数据预处理工作，包括数据清洗、离群值检查和变量分布及可视化统计分析等。

（三）执行独立样本T检验1. 打开SPSS，依次选择"分析"-"比较均值"-"独立样本T检验"。

2. 将需要检验的变量（如体重）拖到"测试变量列表中"栏位中。

3. 选择独立样本的两个组别（如A组和B组），将其拖到独立样本列表（"样本1"和"样本2"）中。

4. 选择置信度（Confidence Interval）和显著性水平（Significance Level）。

5. 点击"OK"，等待SPSS自动为我们生成结果。

（四）检验结果解释SPSS生成的独立样本T检验结果包括了三个表格，分别是"平均数和标准误"、"独立样本T检验"和"效应大小"。

1. "平均数和标准误"表格：这个表格显示了每一组别数据的均值（Mean）和标准误（Standard Error），同时还包括组别的样本量（N）和方差（Variance）等信息。

2. "独立样本T检验"表格：这个表格包含了检验结果的详细信息，包括了统计学指标（如t值和P值）、置信区间（Confidence Interval）和自由度（Degrees of Freedom）等信息。

9
3 两配对样本的t检验
两配对样本的t检验用于检验两个相关样本是否 来自于具有相同均值的正态总体，即对于两个 配对样本，推断两个总体的均值是否存在显著 差异。 配对的概念是指两个样本的各均值之间存在着 对应的关系。如：一组病人治疗前后的体重对 比，显然，对于同一个病人对应治疗前后两组 不同的体重。
Mean Std. Error df Sig. (2-tailed) Difference Difference
22
.019 1.35629
.53411
95% Confidence Interval of the Difference
Lower Upper
.24863 2.46396
21.354
.019 1.35629
M ea n 8.470
20.560
N 10 10
Std. Deviation 6.7112
13.5140
Std. Error M ea n 2.1223
4.2735
Paired Samples Test
Pair 1
化疗前 -化疗后
Mean -12.0900
Paired Differences
95% Confidence
单因素方差分析的应用条件：在不同的水平 （因素变量取不同值）下，各总体应当服从方
差相等的正态分布。
13
4 单因素方差分析
例：例4，某企业需要一种零件，现有三个不同的地区的企业生 产的同种零件可供选择，为了比较这三个零件的强度是否相同， 每个地区的企业抽出6件产品进行强度测试，其值如表2.6所示。 假设每个企业零件的强度值服从正态分布，试检验这三个地区企 业的零件强度是否存在显著差异。

第5章单样本T检验
1.从菜单栏中选择Analyze分析→Compare Means比较均值→One-Sample t Test单样本T检验
2.打开单样本T检验对话框，变量hoursweek出现在对话框左边
3.选择因变量hoursweek，点击向右箭头，将变量移到Test Variable 检验变量框
4.将检验值输入框输入52，这个是原假设的指定值，这个很关键，特别容易出现错误。

在spss实施单样本t检验时，确保检验值是原假设的指定值。

5.点击ok确认
结果解释：
单个样本统计量
N 均值标准差均值的标准误hoursweek 16 59.0000 7.14609 1.78652
单个样本检验
检验值 = 52
t df Sig.(双
侧) 均值差
值
差分的 95% 置信
区间
下限上限
hoursweek 3.918 15 .001 7.00000 3.1921 10.8079
P值0.001<0.05，因此拒绝原假设。

均值差值7，说明知名会计事务
所每周平均工作时间（59）与原假设中的指定值52的差。

结果呈现方式：
均值M 标准差SD Hoursweek
59.0
7.15**
在知名会计师事务所的雇员（M=59.0，SD=7.15）每周工作时间显著多于52个小时的全国平均水平，t(15)=3.92, p<0.05, d=0.98
98
.015
.77d ===标准差差样本均值与总体均值之。

2、由附件二同样可以看出，对于第二批和第三批元件，显著性概率分别为0.130与0.265均大于0.05,所以接受原假设，认为这两批元件的电阻与额定值无显著差异，即认为产品合乎质量要求；
3、综上，第一批元件不符合质量要求，第二、三批元件符合质量要求。
五、自评及问题
掌握了单样本t检验的基本原理和spss实现方法，熟悉SPSS软件操作和方法。通过检验得出结论的真否，能够更快更简单的检验数据，对数据的检验让我很快的了解该数据的代表性。
六、成绩
七、指导教师
田劲松
附件一、
单个样本统计量
N
均值
标准差
均值的标准误
第一批元件样本电阻值
15
.14值
20
.14115
.003249
.000726
第三批元件样本电阻值
30
.13907
.004495
.000821
附件二、
单个样本检验
检验值= 0.14
4、检验值为0.14，置信区间默认为95%，点击确定。
四、实验结果及分析
附件一：单个样本统计量表，给出了各个样本的均值，标准差和均值的标准误；
附件二：单个样本检验表，给出了各个样本的t值(t)、自由度(df)、P值(Sig.双尾)、均值差值、差值的95%可信区间
1、附件二——单个样本检验表中，第一批元件样本双尾T检验的显著性概率（Sig.(双侧)）, Sig.=0.012<0.05,说明第一批元件的平均电阻与额定电阻值0.140有显著的差异。
差分的95%置信区间
t
df
Sig.(双侧)
均值差值
下限
上限
第一批元件样本电阻值
2.898
14