简介围绕SPSS中单样本t检验与独立样本t检验的一份PPT教学课件面向心理学、教育学、医学及社会科学等需要完成均值差异检验的初学者和论文写作者帮助其理解检验原理、操作路径与结果报告方式。压缩包内共1个文件为ppt格式体积约1.24MB内容紧凑便于课堂演示、自学查阅或直接用于汇报展示。已有818人学习下载说明其在入门统计教学中具有一定参考价值。课件以“某班学习兴趣与全校平均分比较”为例完整呈现单样本t检验的数据录入、变量定义、菜单操作及t9.98、df13、p.001的结果解释并配有英语成绩练习题独立样本t检验部分则通过两个班级心理健康水平数据展示分组变量设置、均值比较与显著性判断逻辑。读者可借此掌握SPSS输出表中t值、自由度、p值的读取方法积累从案例到结论的写作素材也可将其作为统计课程复习与实操演练的模板。1. t检验在SPSS里到底解决什么问题实验组均值 4.32对照组 4.02差 0.3——这个差距是改版真起作用了还是抽样波动凑出来的数字这个问题在 SPSS 里就是一次 t 检验要回答的事。它适用于总体标准差未知、样本量不大的场景用手里的样本均值去反推两组或一组与某个已知值在总体上是否存在差异。问卷量表分析、前后测实验、AB 分组对比绝大多数人第一次打开 SPSS 做的就是这一件事。但真正卡人的从来不是点菜单而是三选一单样本、独立样本还是配对样本跑完之后 Levene 那一行到底该读哪一行p 值显著了效应量又该不该补。后面几章按数据准备、独立样本、配对与单样本、正态性与替代方案的顺序把这些挨个拆开讲清楚。2. 三种t检验的选型与SPSS数据准备选错检验类型是 SPSS 分析里返工成本最高的一步。菜单点下去几秒钟结论错了却可能整篇报告重写。所以动手之前先把数据结构和研究设计对齐。2.1 三种t检验怎么选一张对照表判断路径只有两问比的是同一批对象吗比较的基准是另一组人还是一个固定值检验类型典型场景数据怎么摆中文界面菜单路径单样本 T 检验量表均值是否偏离中立项 4 分一列连续变量无需分组列分析 → 比较平均值 → 单样本 T 检验独立样本 T 检验男/女、实验组/对照组对比一列因变量 一列两分类分组变量分析 → 比较平均值 → 独立样本 T 检验配对样本 T 检验同一批人干预前、干预后两次测量两列并排前测、后测无分组列分析 → 比较平均值 → 配对样本 T 检验分组变量超过两个类别时不要硬套 t 检验改用单因素方差分析再做事后比较。工具只是表层决定结论对错的其实是统计思维先确认设计再挑方法。2.2 变量视图里的三个设置决定t检验能不能跑起来独立样本 T 检验的分组变量框只认数值型。如果导入的原始数据里性别写的是男女字符串SPSS 会直接拒绝放入分组框。这时候用 AUTORECODE 重编码* 把字符串分组变量重编码成 1/2 数值供 T 检验的分组框使用. AUTORECODE VARIABLESgroup_str /INTO group_num /PRINT. * 补上值标签输出表格里才会显示组名而不是光秃秃的数字. VALUE LABELS group_num 1 实验组 2 对照组.AUTORECODE 会按字符串首次出现的顺序自动编号所以必须核对生成的值标签是否和预期一致必要时用 RECODE 手动指定。/PRINT子命令会把新旧编码对照表打到输出窗口用于复核。另一个高频问题是测量列被设成了名义而因变量设成了有序这不会阻止运算但会影响后续把变量拖进某些对话框时的可选项量表总分一律设为标度。缺失值也要在变量视图里声明。SPSS 默认把空白当系统缺失但问卷里常用 99、-1 表示未作答如果不声明为缺失值这串数字会当作真实得分参与计算均值直接跑偏。2.3 用数据分拆文件按子组批量跑t检验当需要按性别、年级、地区分别做一次 t 检验时不必重复点菜单十几遍。数据 → 拆分文件提供了两条路按组织输出会把每组结果分块呈现按组比较Compare groups则把各组结果压进同一张表方便横向对照。对应语法如下* SPLIT FILE 要求数据已按拆分变量排序否则同组记录不连续会报错. SORT CASES BY gender. SPLIT FILE LAYERED BY gender. T-TEST GROUPSgroup(1 2) /VARIABLESscore /CRITERIACI(.95). * 跑完立刻关闭否则后续所有分析都被静默拆分. SPLIT FILE OFF.SORT CASES 是前置条件SPLIT FILE 只在连续区间内分组。LAYERED BY 表示按该变量分层输出如果只写 SPLIT FILE BY 则得到的是分离的多个表。用于比较两个以上拆分变量时可以叠加但层级越多输出越难读。注意SPLIT FILE 具有粘性一旦开启会一直生效直到手动关闭或重启会话。很多人跑完发现自己后面做的描述统计、相关分析全被拆成了若干块就是这个原因。养成在语法末尾补 SPLIT FILE OFF 的习惯。3. 独立样本t检验从菜单点到T-TEST语法独立样本 T 检验是使用频率最高的一类也是最容易把两行结果读反的一类。这一章从对话框走一遍再给出等价语法最后落到输出表格的逐列解读。3.1 对话框里的三个必填项路径是分析 → 比较平均值 → 独立样本 T 检验。打开后有三个关键区域检验变量列表放入连续型的因变量可以一次放多个SPSS 会为每个因变量单独跑一遍。分组变量框放那个两分类变量放进去之后变量名旁边会出现(1 2)之类的括号括号里的数字就是当前定义的组编码。定义组按钮点开组 1 和组 2 两个输入框里填的数字必须和值标签里的编码完全对应填反了结论就整体反了。选项按钮里可以改置信区间百分比默认 95%通常不动。缺失值处理有两种按分析排除是逐次剔除当前分析用到的变量上有缺失的案例按列表排除是只要任一涉及变量缺失就整条剔除。想知道不同处理下样本量的变化可以两种都跑一遍对比 N。3.2 常用参数与建议取值参数位置建议值影响组 1 / 组 2 编码定义组与值标签一致如 1 / 2填反则均值差符号反向置信区间百分比选项95%输出均值差的 95% 置信区间缺失值选项按分析排除保留样本量但各分析 N 可能不同显著性水平输出解读环节0.05决定是否拒绝原假设3.3 等价的T-TEST语法* 独立样本 T 检验比较实验组与对照组在 score 上的均值差异. T-TEST GROUPSgroup(1 2) /MISSINGANALYSIS /VARIABLESscore /CRITERIACI(.95).GROUPS 指定分组变量并定义要比较的两个编码缺了括号里的(1 2)会报错。MISSINGANALYSIS 对应按分析排除写成 MISSINGLISTWISE 就是按列表排除。VARIABLES 后面可以接多个因变量用空格分隔。CRITERIACI(.95) 控制置信区间的置信水平。这段语法直接粘进语法窗口运行结果和点菜单完全一致而且能存下来复用做重复性分析时省事得多。3.4 输出表格怎么读Levene检验决定看哪一行输出第一张表是组统计给出两组各自的 N、均值、标准差、标准误。第二张表才是核心名字叫独立样本检验包含 Levene 方差齐性检验和两行 t 检验结果。Levene 显著性读哪一行处理方式大于 0.05第一行假定等方差方差齐读常规 t 与 df小于等于 0.05第二行不假定等方差方差齐性不成立读校正后的 t 与 df选对行之后关注四列t 值本身说明差异相对误差有多大df 是自由度第二行的 df 通常带小数因为经过了校正计算Sig.双尾就是 p 值小于 0.05 才拒绝原假设均值差值给出方向配合 95% 置信区间一起看如果区间跨过 0说明差异方向和大小都不确定。只看 p 值不看置信区间是很常见的做法但区间能同时告诉你效应大小和精度信息量更大。t 检验输出里没有效应量。样本量一大哪怕差异微乎其微也可能显著这时候补一个 Cohens d 才说得清楚差异到底实不实在计算方式放到下一章。4. 配对样本与单样本t检验及效应量补算配对设计和单样本检验在实务里出现频率不低但数据组织方式跟独立样本完全不同摆错了就直接变成另一种检验。4.1 配对样本T检验两列数据并排摆同一批被试在干预前后的两次测量必须放成两列一列 pre、一列 post每一行代表一个人。正确语法* 配对样本 T 检验检验同一批对象的干预前与干预后差异. T-TEST PAIRSpre WITH post (PAIRED) /CRITERIACI(.95) /MISSINGANALYSIS.PAIRS 后面用 WITH 连接两列括号里的 PAIRED 表明走配对算法。SPSS 内部先算每个人的 post 减 pre对差值列做一次单样本检验所以输出表里会多出一张配对样本相关性和一张配对样本检验。第二张表里的均值就是差值的均值Sig.双尾小于 0.05 表示前后差异成立。如果差值均值是正数说明后测更高方向别读反。把前后测输成一列得分 一列分组变量是最高频的误用那样跑出来的是独立样本 T 检验。配对设计下两组数据本身相关忽略这种相关性会损失检验效力本该显著的结果可能被压成不显著。4.2 单样本T检验和已知标准比五点量表检验均值是否偏离中立项用单样本检验* 单样本 T 检验检验 satisfaction 的总体均值是否显著偏离 4 分. T-TEST /TESTVAL4 /MISSINGANALYSIS /VARIABLESsatisfaction /CRITERIACI(.95).TESTVAL 填比较基准这里是量表中立项 4。输出给出样本均值、差值、t、df 和双尾 p 值以及差值的置信区间。基准值的选择要有依据用中立点、行业常模或历史数据都行随手填一个数会让整个检验失去意义。4.3 补算 Cohens dSPSS 不直接给的那一列t 检验输出里没有效应量手算或借助 Python 都很直接。独立样本的 d 用合并标准差做分母import numpy as np from scipy import stats exp np.array([4.1, 3.8, 4.5, 4.2, 3.9, 4.4, 4.0]) ctrl np.array([3.7, 3.5, 3.9, 3.6, 3.8, 3.4, 3.7]) # equal_varFalse 走 Welch 校正与 SPSS 第二行结果对应 t, p stats.ttest_ind(exp, ctrl, equal_varFalse) n1, n2 len(exp), len(ctrl) s1, s2 exp.std(ddof1), ctrl.std(ddof1) # ddof1 为样本标准差 sp np.sqrt(((n1 - 1) * s1 ** 2 (n2 - 1) * s2 ** 2) / (n1 n2 - 2)) d (exp.mean() - ctrl.mean()) / sp print(ft{t:.3f}, p{p:.4f}, Cohens d{d:.3f})ddof1 不能省numpy 默认的 ddof0 算的是总体标准差样本量小时偏差明显。equal_varFalse 对应 SPSS 里不假定等方差那一行两边口径要统一否则 t 值和 p 值对不上。Cohens d 绝对值效应大小实务含义约 0.2小差异真实但幅度有限约 0.5中有观察价值的差异约 0.8 及以上大差异明显实际意义充分配对样本的 d 换成差值均值除以差值标准差公式同源只是数据换成 post 减 pre 那一列。5. 正态性检验与不满足假设时的替代方案5.1 Shapiro-Wilk优先看样本量大小决定用哪个检验t 检验的前提是数据近似正态。SPSS 里用探索过程一次性拿到正态性检验和图形* 分组做正态性检验同时输出直方图与 Q-Q 图. EXAMINE VARIABLESscore BY group /PLOT BOXPLOT HISTOGRAM NPPLOT /STATISTICS DESCRIPTIVES /NOTOTAL.输出的正态性检验表里同时给 Kolmogorov-Smirnov 和 Shapiro-Wilk 两个结果。样本量小于 50 时以 Shapiro-Wilk 为准它对小样本更敏感样本量很大时两个检验都可能因为微小偏离而显著这时看 Q-Q 图上的点是否贴着对角线更实际。显著不等于必须放弃 t 检验偏态不严重、样本量又过得去独立样本 t 检验对正态性偏离的容忍度是够的。5.2 严重偏离正态时的非参数替代情形参数方法非参数替代语法关键两组独立样本独立样本 T 检验Mann-Whitney UNPAR TESTS /M-Wscore BY group(1 2).配对前后测配对样本 T 检验Wilcoxon 符号秩NPAR TESTS /WILCOXONpre WITH post (PAIRED).单样本与基准比单样本 T 检验单样本 WilcoxonNPAR TESTS /WILCOXONscore WITH score (TESTVAL).非参数检验比较的是秩次而不是均值结论表述要跟着改不能说均值显著更高而要说分布位置显著上移。用参数方法的口径去描述非参数结果是审稿和答辩里经常被追问的点。5.3 用OMS把多组t检验结果一次导成表格分组多的时候逐个复制输出窗口的表格效率很低。可以用 OMS 把指定表格直接落成文件配合 SPLIT FILE 批量执行OMS /SELECT TABLES /IF COMMANDS[T-Test] SUBTYPES[独立样本检验] /DESTINATION FORMATSAV OUTFILEt_results.sav. SORT CASES BY region. SPLIT FILE LAYERED BY region. T-TEST GROUPSgroup(1 2) /VARIABLESscore. SPLIT FILE OFF. OMSEND.OMS 必须在目标分析之前开启、之后用 OMSEND 关闭。SELECT TABLES 里的 SUBTYPES 名称要和输出窗口里的表格中文名完全一致写错会静默导出空文件。导出的 .sav 里每行对应一个分组的检验结果后面接 Python 或 R 做多重比较校正、画森林图都方便。跑完所有分组之后先把 p 值和 Cohens d 放在一张表里核对一遍p 值显著而 d 接近 0.1 的组合说明差异被大样本放大了写结论时把效应量一并报上比单说一句差异显著经得起追问。本文还有配套的精品资源点击获取