下载文档原格式
配对样本t检验，史上最完整SPSS操作教程！⼀、问题与数据研究者想验证⼀种新型运动饮料配⽅是否有助于提⾼⼈们的跑步距离。
传统饮料配⽅为纯碳⽔化合物，⽽新型饮料为碳⽔化合物-蛋⽩质混合物。
为了⽐较两种运动饮料对⼈们跑步距离的影响差异，研究者招募了20名受试者，每⼈进⾏2项试验，每项试验受试者均在跑步机上运动2⼩时。
2项试验中，同⼀受试者跑步前分别喝含纯碳⽔化合物饮料和碳⽔化合物-蛋⽩质混合饮料。
同时，均衡所有受试者进⾏2项试验的先后顺序，使⼀半⼈先喝纯碳⽔化合物饮料，另⼀半⼈先喝碳⽔化合物-蛋⽩质混合饮料，分别记录其跑步距离。
碳⽔化合物饮料组的跑步距离记为carb变量，碳⽔化合物-蛋⽩质饮料组的跑步距离记为carb_protein变量。
研究者想知道，是否2组的跑步距离有差异，即2种运动饮料对⼈们跑步距离的影响不同。
从变量层⾯上，也就是看是否carb变量和carb_protein变量的均数存在差异（部分数据如下图）。
展开剩余95%⼆、对问题的分析研究者想探索是否2个相关（配对）组别间的因变量均数存在差异，可以使⽤配对样本t检验。
使⽤配对样本t检验时，需要考虑4个假设：假设1：因变量为连续变量；假设2：⾃变量包含2个分类、且相关（配对）⾮独⽴的组别；假设3：2个相关（配对）组别间的因变量差值没有明显异常值；假设4：2个相关（配对）组别间的因变量差值近似服从正态分布。
那么进⾏配对样本t检验时，如何考虑和处理这4个假设呢？三、思维导图（点击图⽚可查看⼤图）四、对假设的判断假设1：因变量为连续变量；假设2：⾃变量包含2个分类、且相关（配对）⾮独⽴的组别。
和研究设计有关，需要根据实际情况进⾏判断。
假设3：2个相关（配对）组别间的因变量差值没有明显异常值。
对于配对样本t检验，异常值和正态性的假设检验都是基于2组间配对数值的差值进⾏的。
因此，我们⾸先需要计算2组因变量的差值，并把它作为⼀个新变量储存，变量名为difference，具体操作如下：1. 在主菜单栏中点击Transform > Compute Variable...：出现Compute Variable对话框：2. 在Target Variable:模块中输⼊difference，即为新创建的变量名；在Numeric Expression:模块中输⼊carb_protein – carb，即为2个配对组别间的因变量差值（也可以直接从左侧中部变量框中挑选变量进⼊Numeric Expression:模块，并选择中间的运算符号和数字进⾏运算）：本例为⽤carb_protein变量值减去carb变量值，此顺序与研究设计和研究⽬的有关，通常⽤实验组的数值减去对照组的数值。
实验一t检验一、实验目的1、学会应用SPSS软件进行数据处理与分析；2、能够应用SPSS软件对相关数据作出t检验；3、掌握SPSS软件功能及正确分析结果的能力。
二、实验内容山羊的怀孕期平均为150天今测得12头波尔山羊的怀孕期（单位：天）分别为147、148、152、154、155、154、146、150、152、153、149、150，试检验所得样本的平均数与总体平均数150天有无显著差异。
三、实验步骤（一）、数据输入启动SPSS，单击【输入数据】，单击【确定】，打开数据编辑界面，然后点击【变量视图】，建立变量“怀孕期”，定义其类型、宽度、小数点后位数等。
在进入【数据视图】，在对应的变量名称下录入数据。
（二）、通过单样本K-S检验推断数据正态性，依次点击【分析→非参数检验→旧对话框→1-样本K-S】，将变量“怀孕期”选入【检验变量列表】，在检验分布中选择常规即正态分布，单击确定进行检验，由单样本Kolmogorov-Smirnov 检验表中结果n=12、z=0、533、p=0.939可知，数据服从正态分布。
（三）、操作过程依次单击【分析→比较均值→单样本t检验】，进入【单样本t检验】主对话框。
选中【变量待选框】中的“怀孕期”变量，将该变量选入【检验变量】选择框中，在【检验值】一栏输入待比较的总体平均数即已知山羊平均怀孕期“150”。
单击【选项】，在弹出的对话框中设置【置信区间百分比】，选择【缺失值】处理方式，本例直接单击【继续】，选择默认的95%置信区间与对缺失值按分析顺序排除个案，最后单击【确定】，运行。
四、结果解释本例运行后的出的输出结果如表（1）和表（2）所示。
表（1）显示了样本的描述性统计结果。
N 为样本含量，同时还给出了样本平均数、标准差、均值的标准误（对样本平均数分布离散程度的描述指标）。
表（2）给出了单样本t 检验的分析结果。
检验值即待比较的总体平均数，同时给出了检验统计量、自由度、P 值、样本平均数与待比较的总体平均数的差值、两平均数差值的95%置信区间。
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。
