SPSS知识点 - 图文

阐述你是如何判断在某一特定情况下到底是用“单样本t检验还是独立两样本t检验还是配对样本t检验还是一维组间方差分析”的？（在阐述的过程中需写上在你的理解中这几种检验方式是否有差别，是否有相同的地方，如果有关联性，它们之间的关联性是什么？）

说到判断如何在某一个特定的情况下到底是用哪一个检验方法，首先我们需要分别了解清楚四个检验方法各自的定义，就是到底在何种情形下我们需要用到这种检验方法。

单样本t检验：检验单个变量的均值是否与题目中给定的那

个常数之间存在差异，又或者是样本均值与总体均值之间差异的显著性。

举个例子，在分析今年人文学院学生专升本考试成绩与全校平均成绩182分（常数）之间是否存在显著性差异，这里需要用到的就是单一样本t检验。

独立两样本t检验：首先这里的两个样本要彼此独立没有

任何关联，就是说我从A中抽取一批样本a巴拉巴拉与在B中抽取一批样本b巴拉巴拉，她们之间是没有任何影响的，a巴拉巴拉与b巴拉巴拉中的个数可以不同，排列的顺序也可以不同。

举例说明，从13级社工班和广告班中随机抽取若干个学生，分析她们本学期期末考试平均成绩是否存在显著差异。

配对样本t检验：这里不对此种检验的具体定义做阐述（看

了很多遍都没看懂书上到底要说明的是啥），我们来说一下一个判定的

1

小技巧，我们用于同一个研究的对象（或者两个配对对象），分别的给予两种不同处理效果的比较， （红色双横线文字是关键，关键，关键，重要的事情说三遍。我一般都是用这个来判断是不是该用配对检验）

举例说明，比如那天做作业的使用微创手术和传统手术对病人疼痛性影响（这里是分别给予的两支不同处理效果），还有对于公民而言是经济还是国家安全更重要，又如，九年级一班的全部同学参加了暑期数学与英语的培训班后（很明显这里是两个配对的对象了），学习成绩是否有了显著变化。又或者为了检验某降压药的效果，我们通过分析一批服药者服药前后的血压数据，来检验患者在服药前后是否发生了变化（这里的服药前后，前后，前后，就是一个配对对象）。

一维组间方差分析：鉴于我还是不大看得懂书上的定义，

这里还是说一些判断使用该种方法关键性语句，上面的T检验是可以在两个样本中作比较的，但是如果我们遇到一些，需要比较两组或者以上均数的差别时，就不能再用上面的方法了，而需要用到这种方差分析方法，所以，概括起来说，当需要对两组以上的均值作比较的时候，我们就直接不考虑前面的三种，而要用到这个方差分析的方法。但是如果是两组均值的时候还是两种都可以用，具体问题具体分析。 举例说明，我仍然对这个方法还不是太熟悉，这里举得例子或许有些生硬（拿老师上课讲的例子改编的??）。我们把一年级一班的同学分成三个组，分别用三种不同的教学方法来教授他们，以此来看他们的数学成绩上有没有显著差异。

2

?

单样本T检验

单样本T检验,主要用于检验单个变量的均值与指定的检验值之间是否存在显著性差异,再者,样本均值与总体均值之间的差异显著性检验,也属于单样本T检验.

这里我们以初中生的体重的平均值与50KG之间的差异显著性的检验问题.

?

数据录入

首先把数据导入SPSS软件中,如图所示.

?

步骤1

点击\分析(A)\选择\比较均值(M)\点击\单样本T检验(S)\如图所示.

3

?

步骤2

将\体重\放到\检验变量(T)\中,我们在这里将\检验值\设为\如图所示.

步骤3

?

4

点击\选项(O)\我们会发现\置信区间百分比(C)\的默认值为\我们这里选择默认值.

?

结果

5

通过结果我们可以看出:\单个样本统计量\包括检验的总体均值(49.38),标准差(4.410)以及t统计量(-6.218)等.本例的双侧Sig值为0.000<0.05,因此认为在0.05的显著性水平下,测量体重与50有显著性差异,也就是以95%的概率接受初中生平均体重小于50的结论.

独立样本T检验用于比较两个独立的样本的平均数是否有差异，他需要数据的总体符合正态分布所以在进行T检验前要先对数据进行正态性检验，下面是我们这个T检验的操作方法和分析方法：

方法/步骤

1. 2.

在进行独立样本T检验以前，你要先对数据进行正态性检验，使用的最多的方法是K--S检验，这里的数据符合正态分布所以可以不必检验

将数据组织成如图所示的样式，第二列数据是分组，第一组数据和第二组数据放在一起

6

3.

在菜单栏上执行：analyze--compare means --independent samples T test

4.

打开如图所示的对话框，我们将要比较平均数的变量放到test variables，将分组变量放到grouping variables，点击define groups

7

5.

在打开的对话框中，设置组1和组2的值分别是几，然后点击继续

6.

回到这个对话框，点击ok按钮

7.

看到输出结果，我们先要分析第一个sig值，如图所示的数字，这个数字大于0.05可以认为两个样本方差是齐性的，我们就要利用第一行数据

8

8.

第二个sig值是0.078大于0.05说明两个样本的平均数是没有差异的

9.

假如在第七步中，提到的sig值小于0.05，那说明我们要看第二行数据，第二个sig值为0.079

两配对样本t检验的目的是利用来自两个总体的配对样本，推断两个总体的均值是否存在显著差异。其检验思路就是做差值，转化为单样本t检验，最后转化为差值序列总体均值是否与0有显著差异做检验。

方法/步骤

1.

调出相关操作窗口，具体操作见图片。

9

2.

置信区间默认的是95%，缺失值的处理方法任然是第一种方法。

10

3.

第一个表格是数据的基本描述。

第二个是数据前后变化的相关系数，那个概率P值是相关系数的概率值，概率大于显著性水平0.05，则说明数据变化前后没有显著的线性变化，线性相关程度较弱。

第三个表格是数据相减后与0的比较，通过概率值为0，小于显著性水平0.05，则拒绝原假设，相减的差值与0有较大差别，则表明数据变化前后有显著的变化。

spss教程：单因素方差分析

?

用来测试某一个控制变量的不同水平是否给观察变量造成显著差异和变动。 方差分析前提：不同水平下，各总体均值服从方差相同的正态分布。所以方差分析就是研究不同水平下各个总体的均值是否有显著的差异。统计推断方法是计算

11

F统计量，进行F检验，总的变异平方和 SST，控制变量引起的离差SSA（Between Group离差平方和），另一部分随机变量引起的SSE（组内Within Group离差平方和），SST=SSA+SSE。

方法/步骤

1.

计算检验统计量的观察值和概率P_值：Spss自动计算F统计值，如果相伴概率P小于显著性水平a，拒绝零假设，认为控制变量不同水平下各总体均值有显著差异，反之，则相反，即没有差异。

2. 方差齐性检验：控制变量不同水平下各观察变量总体方差是否相等进行分析。采用方差同质性检验方法（Homogeneity of variance），原假设“各水平下观察变量总体的方差无显著差异，思路同spss两独立样本t检验中的方差分析”。 图中相伴概率0.515大于显著性水平0.05，故认为总体方差相等。 趋势检验：趋势检验可以分析随着控制变量水平的变化，观测变量值变化的总体趋势是怎样的，线性变化，二次、三次等多项式。趋势检验可以帮助人们从

12

另一个角度把握控制变量不同水平对观察变量总体作用的程度。图中线性相伴概率为0小于显著性水平0.05，故不符合线性关系。

13

3. 多重比较检验：单因素方差分析只能够判断控制变量是否对观察变量产生了显著影响，多重比较检验可以进一步确定控制变量的不同水平对观察变量的影响程度如何，那个水平显著，哪个不显著。常用LSD、S-N-K方法。LSD方法检测灵敏度是最高的，但也容易导致第一类错误（弃真）增大，观察图中结果，在LSD项中，报纸与广播没有显著差异，但在别的方法中，广告只与宣传有显著差异。

14

4.

4

相似性子集：由图可知，划分的子集结果是一样的。通常在相似性子集划分时多采用S-N-K方法的结论。其结论可以与上述多重比较检验结合起来看，验证在LSD项中，报纸与广播没有显著差异的结论。

15

本文来源：https://www.bwwdw.com/article/c9fd.html