SPSS-比较均值-独立样本T检验_案例解析
SPSS06均值比较与T检验
例子：
检验男女雇员现工资是否有显著性差异。 分析变量的简单描述统计 G r o up S量 i st i c s tat
Current Salary Gender Female Male N 216 258 Mean $26031.92 $41441.78 Std. Deviation $7,558.02 $19,499.21 Std. Error Mean $514.26 $1,213.97
Current Salary
Equal variances assumed Equal variances not assumed
F 119.669
Sig. .000
t -10.945 -11.688
df 472 344.262
有29名13岁男生的身高、体重、肺活量数据。试分析身高大 于等于155厘米的与身高小于155厘米的两组男生的体重和肺 活量均值是否有显著性差异。data06-03数据 分组描述统计量
12岁男孩身高
t 1.032
df 119
T检验：
x 0 t sx
Max(v1 , v 2 ) F Min(v1 , v 2 )
，
方差齐性检验：
方差齐时使用公式 ：
t Sc
x1 x2 1 1 n1 n2
Sc是合并方差 ：
Sc
( x1 x1 ) 2 ( x2 x2 ) 2 n1 n2 2
身高 年龄 10 11 12 13 Total Mean 1.4488 1.5209 1.6129 1.5900 1.5259 N 8 11 7 1 27
N 13 14 27
a
b
相同年龄的男孩和女孩是否身高有所不同？是否身 高随年龄的增长呈线性关系？如果解决这样的问题， 只建立一个控制层就不够了。应该考虑，选择身高h 作为因变量，分类变量age作为第一层控制变量，sex 为第二层控制变量。两个分类变量分别放在两层中， 且使用选择项。
SPSS均值比较
17
两个总体方差差异的F检验
1. 两个独立总体方差差异的检验 2. 为参数检验过程 3. 假定
两个总体都服从正态分布
▪ 这一检验对正态假定较为敏感
18
方差的F检验
1. 假设
H
0
:
σ
2 1
σ
2 2
H
1
:
σ
2 1
σ
2 2
2. 检验统计量
或
H
0
:
σ
2 1
σ
2（
2
or
）
H
1
:
σ
2 1
0.05
df 21 25- 2 44
拒绝H0
0.025
拒绝H0
0.025
-2.0154 0 2.0154 t
t ( 3 .27 - 2.53) (0) 2 . 03
1 . 51
1 21
1 25
决定：
在 0 . 05 水平上拒绝 H 0 结论：
有证据表明存在均值差
异。
临界值
9
两样本不同方差均值的t 检验
NYSE NASDAQ
样本容量 21
25
均值
3.27
2.53
标准差 1.30
1.16
假定总体方差相同, 试检验平均
利息收益有没有差异(= 0.05)。
7
检验统计量的计算
t (X1 X2 ) (μ1 μ 2 ) (3.27 - 2.53) (0) 2.03
S2P
1
n
1
1 n2
1.51
均值比较
（双样本检验）
1
学习目标
1. 区分独立总体与相关总体的概念 2. 混合方差时两独立总体均值差异的t检验 3. 不同方差时两独立总体均值差异的t检验 4. 两总体方差差异的F检验 5. 两个独立总体的中位数差异的秩和检验 6. 两个独立总体比率差异的Z检验 7. 两个相关总体(成对样本)均值差异的t检验 8. 两个相关总体中位数差异的符号秩检验
spss独立样本T检验
例题
比较两批电子器材的电阻，随机抽取的样本测量电阻如题表2所示，试比较两批电子器材的电阻是否相同？（提示：需考虑方差齐性问题）
分析步骤：
单击工具栏“分析”——>单击“比较均值”——>单击“单因素ANOVA检验”——>因变量列表置为电阻——>因子置为类别——>选项——>选中方差齐性检验
图1 单因素ANOVA检验
图2 统计
单击工具栏“分析”——>单击“比较均值”——>单击“独立样本T检验”——>检验变量置为电阻——>单击定义组——>填入A批、B批——>单击“确定”
图3 独立样本T检验结果展示：
表4：独立样本检验
结果分析：
假设A,B两批电阻相互独立且均服从正态分布。
H0：u1-u2＝0，两批电阻器材的电阻相同
H1：u1-u2≠0，两批电阻器材的电阻不相同
1、查看表4莱文方差等同性检验（levene），假定等方差（显著性为0.435>0.05，代表方差是齐性的），我们看第一行数据。
t检验结果显示，t=1.648，v=12，P=0.125>0.05，按照检验水准，接受H0，拒绝H1，故两批电阻器材的电阻相同。
2、查看表4莱文方差等同性检验（levene），不假定等方差，我们看第二行数据。
t’检验结果显示，t=1.648，v=10.671，P=0.129>0.05，按照检验水准，接受H0，拒绝H1，故两批电阻器材的电阻相同。
SPSS课件第四章 均值比较与T检验
辽宁医学院
SPSS统计软件应用
温有锋
进行均值比较及检验的过程
MEANS 过程 T test 过程 单一样本T检验 独立样本的T检验
配对样本的T检验
单因素方差分析
辽宁医学院
SPSS统计软件应用
温有锋
一、定量资料基本分析过程（MEANS过程）
MEANS过程用于定量资料的统计分析，可
计算21种统计量，还可以进行单向方差分析。 当观测量按一个分类变量分组时，MEANS过 程可以进行分组计算。例如要计算学生的平 均身高，SEX变量把学生按性别分为男、女
CHILD.sav数据文件在SP11DATA文件夹下
辽宁医学院
SPSS统计软件应用
温有锋
练习题
在治疗肝癌的药物研究中，为了提高治疗药物在靶器官— 肝脏的浓度，降低在非靶器官如心脏的浓度，行2×3×2 析因设计，即设置3个因素，第一个因素是药物 （“drug”），有2个水平，分别为“丝裂酶素+高分子物 质+磁性物质”（实验组=1）和“丝裂酶素”（对照组 =2）；第二个因素是时间（“time”），有3个水平，分别 为给药后15min（=1）、30min(=2)和60min（=3）；第 三个因素器官（“organ”），有2个水平，分别是心脏 （=1）和肝脏（=2）。将60只小鼠随机分为12组（即 2*3*2种组合），每组5只,即重复的例数为5。观察指标 （反应变量）为组织中丝裂酶素的浓度（ug/g），结果见 表8-1和数据文件“factorial_1”。
差别等也会造成一定的偏差，使样本统计量SS统计软件应用
温有锋
均值比较的概念
由此可以得出这样的认识：
均值不相等的两个样本不一定来自均值不同
的总体。 能否用样本均数估计总体均数，两个变量均 数接近的样本是否来自均值相同的总体？换 句话说，两个样本某变量均值不同，其差异 是否具有统计意义，能否说明总体差异？这 是各种研究工作中经常提出的问题。这就要 进行均值比较。
spss均值检验（均数分析单样本t检验独立样本t检验）
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 均值的比较与检验
三、应用举例
例5－5－1，某轮胎厂的质量分析报告中说明，该厂某轮胎的平均寿命在 一定的载重负荷与正常行驶条件下会大于25000公里。平均轮胎寿命的公里数 近似服从正态分布。现对该厂该种轮胎抽出一容量为15的样本，试验结果得样 本均值为27000公里。能否做出结论：该厂产品与申报的质量标准相符？数据 如下（e5-5-2.sav)
z ~ t (n 1) sz / n
在显著水平α下， 双侧检验的H0拒绝区域为： | t | t (n 1)
2
二、配对样本T检验功能与应用
配对样本T检验是进行配对样本均数的比较。执行该过程， SPSS显示：
每个变量的均数、标准差、标准误和样本含量；
每对变量的相关系数；
每对变量的均数的差值、差值的标准误和可信区间； 检验每对变量均数的差值是否来自总体均数为0 的t检验结果。 三、应用举例 例5-5-4 ：(e5-5-5.sav)
设总体X服从正态分布N(μ,σ2),其中σ2未知。从中抽出子样 （x1,x2,…,xn),现要检验假设H0： μ＝ μ0，H1： μ≠ μ0，其中μ0为已知 常数。 x μ0 其中S为子样标准差。 通常σ是未知： T
s / n 1
若H0成立，则统计量T服从自由度为n-1的t分布。对于给定的α， 由t分布表可查得临界值t α/2(n-1), 使 P{|T|>t α/2(n-1)}= α 如果算得T的值t落入其拒绝域|t|>t α/2(n-1)内，则拒绝H0；否则 不能拒绝H0。 二、单样本T检验的功能与应用
如何使用SPSS进行独立样本T检验
使用“住房状况调查”数据，对不同性别、户口状况的居民现住面积进行独立样本T检验并解释其结果。
答：对不同性别的居民现住面积进行独立样本T检验：①SPSS操作：第一步：点击“分析”、依次选择“比较平均值”、“独立样本T检验”；第二步：将“现住面积”选入“检验变量”，“性别”选入“分组变量”，在点击“定义组”，在“组1”中键入1，在“组2”中键入2，点击“继续”、“确定”。
②结果输出：③结果解读：先用F检验对不同性别的居民现住面积的方差是否向相等加以验证，然后利用t检验对不同性别的居民现住面积的均值是否存在差异进行检验。
从独立样本检验输出图中可以看到：F统计量为1.598，p值为0.206，在显著性水平0.05下，p值大于0.05，不拒绝原假设，即认为不同性别的居民现住面积的方差相等，没有差别。
由于不同性别的居民现住面积的方差没有差别，t检验将看假定等方差一栏。
t统计量为2.982，p值为0.003，在显著性水平0.05下，p值小于0.05，拒绝原假设，即认为不同性别的居民现住面积的均值有显著性差异。
对不同户口状况的居民现住面积进行独立样本T检验：④SPSS操作：第一步：点击“分析”、依次选择“比较平均值”、“独立样本T检验”；第二步：将“现住面积”选入“检验变量”，“户口状况”选入“分组变量”，在点击“定义组”，在“组1”中键入1，在“组2”中键入2，点击“继续”、“确定”。
⑤结果输出：⑥结果解读：先用F检验对不同户口状况的居民现住面积的方差是否向相等加以验证，然后利用t检验对不同户口状况的居民现住面积的均值是否存在差异进行检验。
从独立样本检验输出图中可以看到：F统计量为5.966，p值为0.015，在显著性水平0.05下，p值小于0.05，拒绝原假设，即认为不同户口状况的居民现住面积的方差存在显著差异。
由于不同户口状况的居民现住面积的方差存在显著差异，t检验将看不假定等方差一栏。
t统计量为3.314，p值为0.001，在显著性水平0.05下，p值小于0.05，拒绝原假设，即认为不同户口状况的居民现住面积的均值有显著性差异。
spss
第11章连续变量的统计推断（一）——t 检验要求：spss 输出文件保存为new.spv ，分析说明结果保存在text.doc 中。
一、单样本t 检验例：考察CCSS 项目中2007年4月消费信心指数index1是否和基准值100存在差异。
步骤：打开ccss_sample.sav 数据|选择个案->确定分析|比较均值|单样本t 检验分析：假设H 0：2007年4月的总信心指数为100。
H 1：2007年4月的总信心指数均值不是100。
（说明通常显著性检验水平05.0=α）P=0.129，大于检验水平0.05，接受假设H 0，认为2007年4月的总信心指数均值为100。
习题：考察2008年12月各城市信心指数均值是否为100。
二、独立样本T 检验例：在CCSS 项目中将家庭按收入是否大于4.8万元人民币分为两组（见字段Ts9），比较这两组家庭的消费信心指数index1均值有无差异。
步骤：说明：由于上题选择部分记录，而本题对所有记录分析，所以先要选择全部记录。
数据|选择个案|全部个案|确定分析|均值检验|独立样本T检验分析：Levene方差齐性检验，p=0.027，小于0.05，认为两个样本所在总体的方差不齐。
假设H0：两个家庭收入级别在总指数上没有差异。
H1：两个家庭收入级别在总指数上有差别。
选用假设方差不相等的t检验结果，p=0.000，小于0.05，拒绝H0，认为两个家庭收入级别在总指数上有差异。
习题：在CCSS项目中，以2007年4月的数据为例，分析不同家庭收入等级（Ts9）的信心指数index1均值有无差异。
三、配对设计样本均数的比较例：用某药治疗10名高血压病人，对每一个病人治疗前后的舒张压（mmHg）进行了测试，问该药有无降压作用。
数据ptest1.sav步骤：2、配对t检验分析|均值比较|配对样本T检验分析：假设H0：同一病人治疗前后的舒张压没有差异。
H1：同一病人治疗前后的舒张压有差异。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
SPSS-比较均值-独立样本T检验案例解析
2011-08-26 14:55
在使用SPSS进行单样本T检验时，很多人都会问，如果数据不符合正太分布，那还能够进行T检验吗？而大样本，我们一般会认为它是符合正太分布的，在鈡型图看来，正太分布，基本左右是对称的，一般具备两个参数，数学期望和标准方差，即：N(p, Q)
如果你的样本数非常少，一般需要进行正太分布检验，检验的方法网上很多，我就不说了
下面以“雄性老鼠和雌性老鼠分别注射了某种毒素，经过观察分析，进行随机取样，查看最终老鼠是否活着。
问题：很多人认为，雄性老鼠和雌性老鼠分别注射毒液后，雌性老鼠存活下来的数量会比雄性老鼠多？
我们将通过进行统计分析来认证这个假设是否成立。
下面进行参数设置：a 代表：雄性老鼠
b代表：雌性老鼠
tim 代表：生存时间，即指经过多长时间后，去查看结果
0 代表：结果死亡
1 代表：结果活着
随机抽取的样本，如下所示：
打开SPSS- 分析---检验均值---独立样本T检验，如下图所示：
将你要分析的变量，移入右边的框内，再将你要进行分组的变量移入“分组变量”框内，“组别group（）里面的两个参数，不能够随意设置，必须要跟样本里面的数字一致
点击确定后，分析结果，如下所示：
从组统计量可以看出，雄性老鼠的存活下来的均值为0.73，但是雌性老鼠存活下来的均值为1.00，很明显，雌性老是存活下来的个数明显比雄性老鼠多，但是一般我们不看这个结果，为什么？因为样本不够大，如果将样本升至10000个？也许这个均值将会发生变化，不具备统计学意义，
我们一般只看独立样本检验的结果。
独立样本检验，提供了两种方法：levene检验和均值T检验两种方法
Levene检验主要用来检验原假设条件是否成立，（即：假设方差相等和方差不相等两种情况）如果SIG>0.05，证明假设成立，不能够拒绝原假设，如果
SIG<0.05，证明假设不成立，拒绝原假设。
进行levene检验结果判断是第一步，从上图，可以看出 sig<0.05 方差相等的假设不成立，所以看第二行，方差不相等的情况
sig=0.082>0.05 即说明 P 值大于显著性水平，不应该拒绝原假设：即指：雌性老鼠和雄性老鼠在注射毒液后，存活下来的个数没有显著的差异
本次分析的结果，不支持，很多人认为的：雄性老鼠和雌性老鼠分别注射毒液后，雌性老鼠存活下来的数量会比雄性老鼠多的结论。
其实方差不相等，并不代表不符合正太分布，也不能够说有显著的差异，方差不相同，说明曲线的偏离程度不同而已。