通过SPSS独立样本T检验，分析两组个案的差异（下）

上一节，我们重点讲解了IBM SPSS Statistics独立样本T检验的检验原理、数据要求以及数据转换的方法。这部分的内容相当重要，建议先理解了上一节内容再学习本节的实例操作。

如图1所示，可以看到，独立样本T检验仅包含了检验变量，因此，需要使用个案组数据进行检验，而其分组变量是作为标识两组个案使用的。接下来，我们通过示例数据学习下操作。

图1：独立样本T检验

一、选择变量

首先，了解下设置面板中的变量概念：

1. 检验变量，即检验均值是否存在显著性差异的变量数值。

2. 分组变量，即用于标识两组个案的变量。

本例中，我们需要检验的是饮用牛奶A组与饮用牛奶B组的平均身高数据是否有差异。因此，需要将身高变量添加为检验变量，将饮用牛奶类型编码添加为分组变量。

然后，单击定义组按钮。

图2：选择变量

二、定义组

如图3所示，在定义组设置面板，需要设置个案组对应的编码数值，必须是数值型值。上一节中，我们已经将饮用牛奶类型变量重新编码为值1、2，因此，可以直接将其与组1、2匹配。

图3：定义组

三、选项设置

接着，打开“选项”按钮，设置检验分析的置信区间，一般情况下，设置为95%能确保较大的准确性。同时，设置“按具体分析排除个案”的缺失值处理方式。

图4：选项设置

四、分析结果解读

完成以上设置后，运行分析，如图5所示，数据中分别包含63个饮用牛奶A与63个饮用牛奶B的身高数据，从其平均值看到，饮用牛奶A组的身高均值高于饮用牛奶B组的身高均值，但其差异是否显著还要看显著性数据。

图5：描述统计数值

如图6所示，从独立样本检验图表的数据看到，显著性（双尾）的数值0.711大于0.05（95%置信区间下），不能拒绝原假设，也就是说，饮用牛奶A组的身高均值与饮用牛奶B组的身高均值无显著性差异。

图6：结果不显著

以上就是IBM SPSS Statistics独立样本T检验的应用介绍。该功能用于比较两组个案的均值差异，可用于验证两个对比个案组的均值数值是否有显著性差异，比如用于药物研究领域，验证两种药物有效性是否有差异等。