T檢驗過比較不同數據的均值，研究兩組數據之間是否存在差異。可以分為三種，分别是單樣本T檢驗、配對樣本T檢驗、獨立樣本T檢驗。

1.研究場景

獨立樣本t 檢驗用于分析定類數據與定量數據之間的關系情況。例如研究人員想知道兩組學生的智商平均值是否有顯著差異。t 檢驗僅可對比兩組數據的差異,如果為三組或更多,則使用方差分析。如果剛好僅兩組,建議樣本較少(低于100時)使用t 檢驗,反之使用方差分析。

2.數據格式

獨立樣本t 檢驗是研究2組數據的差異，比如不同性别時滿意度的差異。數據格式中需要有組别X（比如性别）和分析項Y（比如滿意度）。

有時候數據格式中隻有2列，而沒有組别，比如實驗組和對照組。那麼就需要對數據進行改造，自己加入一列‘組别’，然後把數據重疊起來得到分析項Y，類似如下圖：

3.分析前提

（1）正态性檢驗

獨立樣本t檢驗要求兩組數據滿足正态性檢驗；正态性檢驗的方法有很多，例如：正态性檢驗、直方圖、P-P圖/Q-Q圖等。

補充說明：獨立樣本t檢驗具有一定的耐受性，如果數據隻是稍稍偏離正态，結果仍然是穩定的，但是如果數據嚴重偏離，此時均數不能很好的代表數據的集中趨勢，這種情況下最好考慮采用變量轉化（其中包括：取對數，開根号，BoxCOX變換等）或者使用非參數檢驗：MannWhitney檢驗（SPSSAU通用方法->非參數檢驗）。

（2）方差齊性檢驗

對于獨立樣本t檢驗，除了要滿足正态性，還需要滿足方差齊的前提條件。即方差齊的情況下，才可以使用t檢驗。在做t檢驗時，SPSSAU會自動完成方差齊檢驗，并根據檢驗結果，自動判斷結果輸出哪一種結果，因此研究者不需要再單獨檢驗方差齊性。

4.SPSSAU操作

（1）登錄賬号後進入SPSSAU頁面，點擊右上角“上傳數據”，将處理好的數據進行“點擊上傳文件”上傳即可。

（2）拖拽分析項

在“通用方法”模塊中選擇“t檢驗”方法，将X定類變量（僅兩組）放于上方分析框内，Y定量變量放于下方分析框内，點擊“開始分析”即可。

5.SPSSAU分析

背景：研究不同性别群體對網購滿意度是否有差異。

（1）t 檢驗分析結果

從上表可以看出：不同性别樣本對于網購滿意度全部均呈現出顯著性(p<0.05)，意味着不同性别樣本對于網購滿意度均有着差異性。具體分析可知：性别對于網購滿意度呈現出0.01水平顯著性(t=-13.816，p=0.000)，以及具體對比差異可知， 女的平均值(0.50)，會明顯低于男的平均值(1.63)。總結可知：不同性别樣本對于網購滿意度全部均呈現出顯著性差異。

（2）柱形圖

從柱形圖中具體對比差異可知， 女性的平均值(0.50)，會明顯低于男性的平均值(1.63)。

（3）效應量指标

如果t檢驗顯示呈現出顯著性差異(p<0.05),可通過平均值對比具體差異,同時還可使用效應量(Effect size)研究差異幅度情況；

第一：t檢驗時使用Cohen's d 值表示效應量大小(差異幅度大小)，該值越大說明差異越大；第二：t檢驗使用Cohen's d 值表示效應量大小時，效應量小、中、大的區分臨界點分别是:0.20，0.50和0.80；第三：Cohen's d 值計算公式為差值的絕對值/标準差，标準差=Sqrt(聯合方差)。

6.其他說明

（1）提示X的組别隻能為兩組(比如男和女)!？

t 檢驗的原理就是對比兩組數據，因此X的數據中隻能且一定包括兩個數字。如果出現此提示，建議使用頻數分析進行檢查。如果是多數的差異對比應該使用方差分析。當然如果一定要使用t 檢驗，可使用‘篩選樣本’功能，篩選出兩組後進行分析即可。

（2）t檢驗（獨立樣本t檢驗）兩組樣本需不需要一緻？

獨立樣本t檢驗對樣本量沒有要求，而配對樣本T檢驗則要求兩組樣本量一定相等，兩組樣本需要有對應的關系。

1.研究場景

配對t 檢驗,用于配對定量數據之間的差異對比關系.例如在兩種背景情況下(有廣告和無廣告);樣本的購買意願是否有着明顯的差異性;配對t 檢驗通常用于實驗研究中。

2.數據格式

配對數據的格式相對較為特殊，包括配對t 檢驗，或者配對卡方等。比如實驗組和對照組數據的差異。如下圖：

配對數據一般是在實驗時使用，而且配對數據的特點為：行數一定完全相等并且隻有兩列。如果研究數據的行數不相等，那可能不是配對數據，如果還想對比差異，可能需要使用獨立t 檢驗。獨立t 檢驗和配對t 檢驗的數據格式不一樣，需要特别注意。

3.分析前提

配對t檢驗要求兩組數據滿足正态性檢驗；其說明與獨立樣本t檢驗大緻一樣。

4.SPSSAU操作

（1）登錄賬号後進入SPSSAU頁面，點擊右上角“上傳數據”，将處理好的數據進行“點擊上傳文件”上傳即可。

（2）拖拽分析項

在“通用方法”模塊中選擇“配對t檢驗”方法，将配對1（定量）放于上方分析框内，配對2（定量）變量放于下方分析框内，點擊“開始分析”即可。

5.SPSSAU分析

背景：以體育療法治療高血壓，10個高血壓患者在施以體育療法前後測定舒張壓，研究體育療法對高血壓是否有效。（案例來源于：SPSS統計分析 第5版）

（1）配對t 檢驗分析結果

從上表可以看出：總共1組配對數據，均會呈現出差異性(p<0.05) 。具體分析可知：治療前舒張壓和治療後舒張壓之間呈現出0.01水平的顯著性(t=5.639，p=0.000)，以及具體對比差異可知，治療前舒張壓的平均值(119.50)，會明顯高于治療後舒張壓的平均值(102.50)。

（2）效應量指标

（3）結果的詳細格式

對比差異可知，治療前舒張壓的平均值(119.50)，會明顯高于治療後舒張壓的平均值(102.50)。治療前舒張壓和治療後舒張壓之間呈現出0.01水平的顯著性(t=5.639，p=0.000)。

6.其他說明

關于效應量(effect size)說明：

配對t 檢驗分析, 當呈現出顯著差異性(前提)時,可分析差異,同時還可以分析差異幅度(即效應量) (提示:效應量分析為可選，隻有深入研究時才需要分析);

配對t 檢驗分析時,通常使用Cohen's d 值表示效應量,其計算公為:Cohen's d =|M1-M2| / S，即差值絕對值 / 标準差；具體說明如下：

（1）Cohen's d 值介于0~1之間，該值越大說明差異幅度越大;

（2）< Cohen's d <=0.2時，說明效應較小(差異幅度較小);

（3）0.2 < Cohen's d <=0.8時，即 0.5附近時，說明效應中等(差異幅度中等);

（4）Cohen's d > 0.8時，說明效應較大(差異幅度較大)。

1.研究場景

單樣本t 檢驗用于分析定量數據是否與某個數字有着顯著的差異性,比如五級量表,3分代表中立态度,可以使用單樣本t 檢驗分析樣本的态度是否明顯不為中立狀态;系統默認以0分進行對比。

2.分析前提

單樣本t檢驗要求兩組數據滿足正态性檢驗；其說明與獨立樣本t檢驗大緻一樣。

3.SPSSAU操作

（1）登錄賬号後進入SPSSAU頁面，點擊右上角“上傳數據”，将處理好的數據進行“點擊上傳文件”上傳即可。

（2）拖拽分析項

在“通用方法”模塊中選擇“單樣本t檢驗”方法，将分析項拖拽到右側分析框中，輸入對比數字，點擊“開始分析”即可。

（3）對比數字

輸入對比數字，默認是0，如下圖：

4.SPSSAU分析

（1）單樣本t 檢驗分析結果

從上表可以看出：14歲女孩身高全部均呈現出顯著性(p<0.05)，意味着14歲女孩身高共1項的平均值均與數字150.0有着統計意義上的差異。具體分析可知：14歲女孩身高共1項，它們的平均值會明顯的低于數字150.0。

（2）效應量指标

5.其他說明

（1）關于效應量(effect size)說明?

當呈現出顯著差異性(前提)時,可分析差異,同時還可以分析差異幅度(即效應量) (提示:效應量分析為可選，隻有深入研究時才需要分析);

單樣本t 檢驗分析時,通常使用Cohen's d 值表示效應量,其計算公式為:Cohen's d =差值絕對值 / 标準差;

Cohen's d 值介于0~1之間，該值越大說明差異幅度越大，具體如下：

0 < Cohen's d <=0.2時，說明效應較小(差異幅度較小);

0.2 < Cohen's d <=0.8時，即 0.5附近時，說明效應中等(差異幅度中等);

Cohen's d > 0.8時，說明效應較大(差異幅度較大)。

（2）t檢驗結果中出現null值？

結果中出現null值，多是由于數據格式錯誤或某一組數據隻包含一個樣本（n=1），導緻算法無法計算出指标值。

以上就是t檢驗分析步驟彙總流程，無論配對t檢驗還是獨立樣本t檢驗，都隻适用于兩組數據的對比，如果數據超過兩組，需要使用方差分析。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!