「SPSSAU｜數據分析」：t檢驗分析步驟匯總
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，分別是單樣本T檢驗、配對樣本T檢驗、獨立樣本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，比如不同性別時滿意度的差異。數據格式中需要有組別X（比如性別）和分析項Y（比如滿意度）。
有時候數據格式中只有2列，而沒有組別，比如實驗組和對照組。那么就需要對數據進行改造，自己加入一列‘組別’，然后把數據重疊起來得到分析項Y，類似如下圖：
3.分析前提
（1）正態(tài)性檢驗
獨立樣本t檢驗要求兩組數據滿足正態(tài)性檢驗；正態(tài)性檢驗的方法有很多，例如：正態(tài)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，如果數據只是稍稍偏離正態(tài)，結果仍然是穩(wěn)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，開根號，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，除了要滿足正態(tài)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）登錄賬號后進入SPSSAU頁面，點擊右上角“上傳數據”，將處理好的數據進行“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，將X定類變量（僅兩組）放于上方分析框內，Y定量變量放于下方分析框內，點擊“開始分析”即可。
5.SPSSAU分析
背景：研究不同性別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：不同性別樣本對于網購滿意度全部均呈現(xiàn)出顯著性(p<0.05)，意味著不同性別樣本對于網購滿意度均有著差異性。具體分析可知：性別對于網購滿意度呈現(xiàn)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：不同性別樣本對于網購滿意度全部均呈現(xiàn)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）效應量指標
如果t檢驗顯示呈現(xiàn)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(qū)分臨界點分別是:0.20，0.50和0.80；
第三：Cohen's d 值計算公式為差值的絕對值/標準差，標準差=Sqrt(聯(lián)合方差)。
6.其他說明
（1）提示X的組別只能為兩組(比如男和女)!？
t 檢驗的原理就是對比兩組數據，因此X的數據中只能且一定包括兩個數字。如果出現(xiàn)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，篩選出兩組后進行分析即可。
（2）t檢驗（獨立樣本t檢驗）兩組樣本需不需要一致？
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。
配對t檢驗
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);樣本的購買意愿是否有著明顯的差異性;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只有兩列。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，需要特別注意。
3.分析前提
配對t檢驗要求兩組數據滿足正態(tài)性檢驗；其說明與獨立樣本t檢驗大致一樣。
4.SPSSAU操作
（1）登錄賬號后進入SPSSAU頁面，點擊右上角“上傳數據”，將處理好的數據進行“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，將配對1（定量）放于上方分析框內，配對2（定量）變量放于下方分析框內，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后測定舒張壓，研究體育療法對高血壓是否有效。（案例來源于：SPSS統(tǒng)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(xiàn)出差異性(p<0.05) 。具體分析可知：治療前舒張壓和治療后舒張壓之間呈現(xiàn)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)，會明顯高于治療后舒張壓的平均值(102.50)。
（2）效應量指標
（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)，會明顯高于治療后舒張壓的平均值(102.50)。治療前舒張壓和治療后舒張壓之間呈現(xiàn)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(xiàn)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，只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 / 標準差；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);
（4Cohen's d > 0.8時，說明效應較大(差異幅度較大)。
單樣本t檢驗
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著顯著的差異性,比如五級量表,3分代表中立態(tài)度,可以使用單樣本t 檢驗分析樣本的態(tài)度是否明顯不為中立狀態(tài);系統(tǒng)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態(tài)性檢驗；其說明與獨立樣本t檢驗大致一樣。
3.SPSSAU操作
（1）登錄賬號后進入SPSSAU頁面，點擊右上角“上傳數據”，將處理好的數據進行“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，將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(xiàn)出顯著性(p<0.05)，意味著14歲女孩身高共1項的平均值均與數字150.0有著統(tǒng)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）效應量指標
5.其他說明
（1）關于效應量(effect size)說明?
當呈現(xiàn)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，只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 / 標準差;
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(xiàn)null值？
結果中出現(xiàn)null值，多是由于數據格式錯誤或某一組數據只包含一個樣本（n=1），導致算法無法計算出指標值。
總結
以上就是t檢驗分析步驟匯總流程，無論配對t檢驗還是獨立樣本t檢驗，都只適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。
