spss独立样本t检验怎么做 spss独立样本t检验怎么看显著性

spss独立样本t检验怎么做？使用个案组数据进行spss均值检验中的独立样本t检验分析，本文将会具体演示操作。spss独立样本t检验怎么看显著性？检验样本方差齐性后，根据是否等方差来看显著性数值。

一、spss独立样本t检验怎么做

spss独立样本t检验的操作比较简单，但需要注意搞清楚其检验的原理，以及使用的数据类型。

首先，独立样本t检验进行的是两组个案的均值检验，在符合随机分布的假定下，检验两组个案数据间是否存在差异。因此，可以看到，独立样本t检验进行的是两组个案值的检验，而不是两个变量组的检验。

我们以图1所示的数据为例子，其中一行为一个个案值，对应一种“饮用牛奶类型”，以及一个“身高”数值。

另一个需要注意的方面是，spss独立样本t检验的两组个案标识需要使用数值，如果是字符串值，需要将其重新编码为数值。在本例中，以数值1代表“饮用低脂奶”，数值2代表“饮用全脂奶”。

图1：样本数据

完成数据的处理后，如图2所示，依次单击spss的分析-比较平均值-独立样本t检验选项。

图2：独立样本t检验

spss的独立样本t检验比较简单，主要包含两个变量，分别是检验变量与分组变量。检验变量即检验均值数值的变量，分组变量即区分均值个案组的变量。本例中，将“身高”选入“检验变量”列表框，将“饮用牛奶类型”选入“分组变量”列表框。

完成分组变量的选入后，如图3所示，会看到“饮用牛奶类型”后出现“？”，因spss需要通过“定义组”的方式，定义个案组。

图3：变量设置

定义组的操作很简单，如图4所示，如果是非连续变量的话，只需将组别与个案值一一对应；如果是连续变量的话，可设置一个分割点。本例使用的是非连续变量，可直接使用指定的值对应组别。

图4：定义组

完成组别的定义后，返回设置界面，如图5所示，可以看到分组变量中的“？”变成了实际的分组。

完成以上设置后，点击“确定”，即可开始spss的运算。

图5：完成变量设置

二、spss独立样本t检验怎么看显著性

接下来，我们来解读一下spss独立样本t检验的运算结果。

首先，简单看一下数据的统计描述，本例数据包含了198个样本，其中“饮用低脂奶”99个样本，“饮用全脂奶”99个样本，两组个案均值接近，似乎差异不大。

图6：统计描述

统计描述的均值只能提供参考，需要通过统计检验来进一步判断差异是否有统计学意义。

spss独立样本t检验的显著性解读要两步走。

第一步，查看个案数据是否满足“方差齐性（即方差相等）”的假设。

第二步，根据是否满足方差齐性查看均值t检验的结果。

本例的数据，方差齐性检验中显著性P值为0.332>0.05，拒绝方差齐性的假设，需要查看“不假定等方差”结果（即第二行数值），从均值检验中查看显著性（双尾）为0.525>0.05，拒绝个案组均值有差异的假设，即饮用不同类型的牛奶的组别身高均值无差异。

图7：检验结果

三、spss独立样本t检验与配对样本t检验区别

spss均值检验中包含了独立样本t检验与配对样本t检验，两种t检验都是对比两组数据的均值差异，其具体有什么区别呢？

独立样本t检验与配对样本t检验的主要区别在于检验的数据类型不同，独立样本t检验如同上文所述，检验的是两组个案的均值差异；而配对样本t检验检验的是两组变量的均值差异。

独立样本t检验适用于两组不同条件的个案组，而配对样本t检验适用于同一个案组的测试前、后结果对比、不同方案施用对比等，其优点是可控制个案为同一对象，减少因被试对象不同引起的误差，无须进行等方差的假设检验。

比如图8的配对样本t检验数据是同一组初中生在饮用牛奶前后的身高数值。

图8：配对样本t检验

通过配对样本t检验，可快速得出其检验结果，其显著性P值为0.00<0.05，拒绝原假设，即饮用牛奶前与饮用牛奶后的两组身高均值有显著差异。

图9：检验结果

四、小结

以上就是关于spss独立样本t检验怎么做，spss独立样本t检验怎么看显著性的相关内容。spss独立样本t检验的操作与结果解读都比较简单，其重点是在数据的准备上，要使用个案组的数据进行不同样本组别的数据检验，与配对样本t检验使用同一组个案样本不同。