目录
在进行数据分析时，常常会遇到“这两个组之间真的有差异吗？”的疑问。
例如：
- ✔️ 新产品发布后，顾客满意度是否高于旧产品？
- ✔️ 男女学生的平均成绩是否存在差异？
- ✔️ 实施运动项目后，体重是否有显著下降？
此时，可以使用t检验（独立样本t检验、配对样本t检验）来进行分析。
可能有人会想：“直接比较平均值不行吗？”但仅仅比较数字可能缺乏统计意义。
t检验是一种统计方法，用于检验“这种差异是否具有统计学意义，而非偶然发生的”。
那么，如何在SPSS中进行t检验呢？让我们一步步来了解吧。😊
🔹 1. t检验的基本概念
t检验主要有两种类型：
- ✅ 独立样本t检验（Independent Samples t-test）：用于比较两个不同组别（例如：男性 vs 女性、实验组 vs 对照组）的平均值差异。
- ✅ 配对样本t检验（Paired Samples t-test）：用于比较同一组在不同时间点或条件下的数据差异（例如：运动前 vs 运动后）。
简而言之，t检验用于“比较两个平均值是否存在统计学意义的差异”。😊
🔹 2. 在SPSS中进行独立样本t检验
示例：比较男生和女生的平均考试成绩差异。
⑴准备数据
在SPSS中输入以下数据：
| ID | 性别（gender） | 考试成绩（score） |
| 1 | 男（1） | 85 |
| 2 | 女（2） | 90 |
| 3 | 男（1） | 78 |
| 4 | 女（2） | 88 |
| … | … | … |
💡 提示：像性别这样类别变量（男/女）需要转换为数字输入（例如：男=1，女=2）。
⑵执行t检验
- 点击菜单栏中的“分析” → “比较平均值” → “独立样本t检验”。
- 将“考试成绩（score）”设置为因变量。
- 将“性别（gender）”设置为分组变量，点击“定义”按钮，输入1=男，2=女。
- 点击“确定”按钮。
(3).结果解读
- Levene检验（等方差检验）：
- p值 < 0.05 → 两组方差不相等 → 使用“等方差假设不成立”行的数据。
- p值 > 0.05 → 两组方差相等 → 使用“等方差假设成立”行的数据。
- t检验结果：
- p值 < 0.05 → 两组平均值差异具有统计学意义。
- p值 > 0.05 → 差异在统计学上不显著。
例如，如果p值为0.03，则可以解读为“男生和女生的平均成绩差异在统计学上具有显著性”。
🔹 3. 在SPSS中进行配对样本t检验
示例：比较一个月运动前后体重的变化。
1.准备数据：在SPSS中输入以下数据：
| ID | 运动前体重（before） | 运动后体重（after） |
| 1 | 80 | 78 |
| 2 | 75 | 73 |
| 3 | 82 | 79 |
| … | … | … |
2.执行t检验：
- 点击菜单栏中的“分析” → “比较平均值” → “配对样本t检验”。
- 将“运动前体重（before）”和“运动后体重（after）”设置为配对变量。
- 点击“确定”按钮。
3.结果解读：
- p值 < 0.05 → 运动前后体重差异具有统计学意义。
- p值 > 0.05 → 差异在统计学上不显著。
例如，如果p值为0.02，则可以解读为“运动前后体重差异在统计学上具有显著性”。
🔹 4. t检验总结
| t检验类型 | 使用场景 | 结果解读 |
| 独立样本 t检验 | 比较两个独立组的差异 （如：男 vs 女、A组 vs B组） | p < 0.05 → 两组差异显著 |
| 配对样本 t检验 | 比较同一组在不同时间点或条件下的差异 （如：运动前 vs 运动后） | p < 0.05 → 前后差异显著 |
📌 核心总结
- 比较两个不同组的平均值时使用 独立样本 t 检验（Independent Samples t-test）
- 比较同一组前后差异时使用 配对样本 t 检验（Paired Samples t-test）
- 如果 p 值小于 0.05，表示差异具有统计学意义！🎯
t 检验现在是不是不难了？😊
试着在 SPSS 里亲自操作看看吧！
