第六章SPSS比较平均值
用SPSS做均值比较
（2）两个独立样本t检验 ）两个独立样本tห้องสมุดไป่ตู้两个独立样本的t 两个独立样本的t检验用于检验两个 不相关的样本来自具有相同均值的总体。 在做独立样本检验时要注意，使用这种 检验的条件是必须具有来自两个不相关 组的观测量。（小麦丛矮病田中病株和 健康株高度是否存在差异）
（3）配对样本t检验 ）配对样本t 配对样本t检验用于检验两个相 配对样本t检验用于检验两个相 关的样本是否来自具有相同均值的 关的样本是否来自具有相同均值的 总体。这种相关的或配对的样本常 常来自这样的实验结果，在实验中 被观测的对象在实验前后均被观测。 配对分析的测度也不是必须来自同 一个观测对象，可以是一对两者组 合而成。
用SPSS做均值比较和检验 SPSS做均值比较和检验
一、均值比较的概念 统计分析常常采样抽样研究的方法。 即从总体中随机抽取一定数量的样本进行 研究来推论总体的特性。但是这其中存在 有误差： 个体间差异 误差 实验者测量技术差异 测量仪器精确度差异 所以不确定能否用样本均数估计总体 均数（也就是说某变量均值不同，差异是 否有统计意义）。在这个时候要进行均值 比较。
二、T 二、T检验的分类 （1）单一样本t检验 ）单一样本t 检验单个变量的均值是否与给 定的常数之间存在差异。样本均数 与总体均数之间的差异显著性检验 属于单一样本t 属于单一样本t检验。（检验瓶装水 平均重量和标准重量之间差异）
原理：单一样本t 原理：单一样本t检验过程对每个检 验变量给出的统计量有均值，标准 差和均值的标准误。
如何利用SPSS计算平均值
如何利用SPSS计算平均值SPSS是一款常用的统计分析软件，它可以帮助研究者处理和分析数据。
在SPSS中，计算平均值是一项基本的统计操作，常用于统计描述性分析、建立基线数据、进行成组方差分析等。
下面将详细介绍如何利用SPSS计算平均值。
步骤1：导入数据首先，你需要将数据导入SPSS软件中。
你可以从Excel、CSV等文件格式导入数据，或者直接在SPSS中手动输入数据。
在导入数据之前，确保你已经给各个变量指定了合适的数据类型，如数值变量、字符变量、日期变量等。
步骤2：选择计算平均值的变量在SPSS中，你需要选择要计算平均值的变量。
可以使用菜单栏上的“变量查看器”来选择变量。
点击“数据”菜单栏，然后选择“变量查看器”选项。
在弹出的变量查看器窗口中，可以从数据集中选择要计算平均值的变量。
计算平均值有多种方法。
下面将介绍两种常用的方法：使用“描述统计”功能和使用“频率分析”功能。
方法1：使用“描述统计”功能1.选择菜单栏上的“分析”选项，然后选择“描述统计”子菜单。
2.在弹出的对话框窗口中，选择要计算平均值的变量并将其移到右侧的“变量”框中。
3.在“统计”菜单中选择“均值”，然后点击“确定”按钮。
4.SPSS将计算出所选变量的平均值，并将结果显示在输出窗口中。
你可以选择将结果保存到SPSS数据文件，或导出为其他文件格式。
方法2：使用“频率分析”功能1.选择菜单栏上的“分析”选项，然后选择“描述统计”子菜单。
2.在弹出的对话框窗口中，选择要计算平均值的变量并将其移到右侧的“变量”框中。
3.在“统计”菜单中选择“平均值”，然后点击“确定”按钮。
4.SPSS将计算出所选变量的平均值，并将结果显示在输出窗口中。
你可以选择将结果保存到SPSS数据文件，或导出为其他文件格式。
除了上述两种方法，你还可以使用计算变量的方式计算平均值。
这种方式可以将计算结果保存为独立的变量，便于后续分析。
使用方法如下：1.选择菜单栏上的“数据”选项，然后选择“计算变量”子菜单。
第6章 SPSS参数检验——均值比较
总体2
抽取简单随机样均值之差的检验 (s12、 s22 已知)
• 1.假定条件
两个样本是独立的随机样本 两个总体都是正态分布 若不是正态分布, 可以用正态分布来近似(n130和
n230) 2.检验统计量为
Z ( X1 - X 2 ) - (m1 - m2 ) ~ N (0,1)
6.2 MEANS 过程
• 功能：分组计算、比较指定变量的描述统计量。包括均值、 标准差、总和、观测数、方差等等，还可以给出方差分析表 和线性检验结果。
• Analyze-> Compare Means->Means
n Dependent List：用于选入需要分析的变量，如果选入两 个以上变量，系统会在同一张输出表中依次给出分析结果 。
)
1. 检验具有不等方差的两个总体 的均值
2. 假定条件
两个样本是独立的随机样本
两个总体都是正态分布
两个总体方差未知且不相等 s12 s22
3. 检验统计量
( S12 S22 )2
t
(
X1
-
X2) S12 n1
- (m1 S22
n2
-
m2
)
~
t(
(
S12 n1
)2
/(
n1
n1 -1)
s
2 1
s
2 2
n1 n2
两个总体均值之差的检验 (s12、 s22 未知，大样本)
• 检验统计量为
Z (X1 - X 2 ) - (m1 - m2 ) ~ N (0,1)
s12 s22 n1 n2
两个总体均值之差的检验 (s12、 s22 未知但相等,小样本)
平均值的多重比较SPSS操作
平均值的多重比较SPSS操作一、简介多重比较是一个非常重要的统计方法。
在采集大量数据后，通常会对某个变量进行平均值的比较。
但是，如果对数据进行简单的比较可能会存在问题：假设有10个不同的样本，进行10次比较，这将导致多达45个比较(10C2)，这个时候难免会出现误差。
多重比较是一种用于调整显著性水平和减少误差的方法，可以在比较中减少错误的拒绝。
二、SPSS操作1、单因素方差分析打开SPSS软件，加载数据并选择“Analyze”菜单，选择“Compare Means”选项，进入子菜单，选择“One-Way ANOVA”，进入单因素方差分析子菜单，如下图所示。
2、设置分析变量在“One-Way ANOVA”对话框中，选择需要分析的变量，并将其添加到右侧区域，如下图所示。
3、添加编辑标签在“Options”标签页中，选择“Descriptive”。
在描述性统计选项卡中，选择“Mean”、“Std. Deviation”和“N”三个选项，并单击“Continue”按钮。
现在我们将为分组变量添加标签。
4、分组变量标签点击“Post Hoc...”按钮进入“Post Hoc Tests”对话框，并选择一个或多个比较类型进行比较，如下图所示。
5、设置显著性水平在“Options”标签页中，将显著性水平设置为0.05，如下图所示。
6、执行分析完成设置后，单击“OK”按钮开始分析过程。
SPSS运行程序并输出结果，如下图所示。
分析结果可以得出：1）整体效应不显著，F（2,54）=2.49,P=0.09。
2）当α = 0.05 时，相应的 Bonferroni 校正后置Hoc比较表明，组1、2和组1、3之间差异不显著，但组2和组3之间差异显著。
3）平均得分方面，在平均得分方面，组1的平均得分小于2和组三的平均得分；组2的平均得分高于组一和组三的平均得分；组三的平均得分最高。
四、总结平均值的多重比较SPSS操作是非常重要的，该方法让我们能够在更复杂的数据集中得出显著的结论。
SPSS教程第六课平均数的比较
教程第六课：平均数的比较信息来源：本站原创更新时间：在正态或近似正态分布的计量资料中（如临床常见的体温、血压、脉搏、身高、体重等测量值，几乎均为此类资料），经常在使用前一章计量资料描述过程分析后，还要进行组与组之间平均水平的比较。
本章将分四节分别介绍这一统计方法：即常用的ｔ检验和单因素方差分析。
第一节过程5.1.1主要功能与第四章中过程相比，若仅仅计算单一组别的均数和标准差，过程并无特别之处；但若用户要求按指定条件分组计算均数和标准差，如分性别同时分年龄计算各组的均数和标准差，则用过程更显简单快捷。
5.1.2实例操作［例５］某医师测得如下血红蛋白值（），试作基本的描述性统计分析：5.1.2 数据准备激活数据管理窗口，定义变量名：性别为，年龄为，血红蛋白值为。
按顺序输入数据(变量中，男为，女为)，结果见图。
5.1.2 统计分析激活菜单选中的...项，弹出对话框（如图示）。
今欲分性别同时分年龄求血红蛋白值的均数和标准差，故在对话框左侧的变量列表中选，点击 钮使之进入框，选点击 钮使之进入框，点击，可选定分组的第二层次（ )，选点击 钮亦使之进入框。
点击...可选统计项目：在项中，为均数、为标准差、为方差、为观察单位数、为观察值总和，在项中，将为第一层次的分组计算方差分析（）和线性检验（）。
选好后点击钮返回对话框，点击钮即可。
5.1.2 结果解释在结果输出窗口中将看到如下统计数据：一行表示个观察值合计为，均数为，标准差为，方差为，例数为；接下去各行分别表示先按性别分组（分男性与女性），再按年龄分组（，，岁三组）的观察值合计、均数、标准差、方差和例数。
若在中未分层次，即和一起放在中，则结果是分别计算男性与女性（不作年龄分组）、，，岁三组（不作性别分组）的观察值合计、均数、标准差、方差和例数（如下所示）。
第二节过程5.2.1主要功能调用此过程可完成两样本均数差别的显著性检验，即通常所说的两组资料的检验。
5.2.2 实例操作［例５］分别测得例老年性慢性支气管炎病人及例健康人的尿中酮类固醇排出量（）如下，试比较两组均数有无差别。
spss课件-均值比较与检验
差、總和、觀測數、方差等等，還可以給出方差分析表和線性檢驗 結果。描述統計量公式P126。
Analyze-> Compare Means->Means
• Dependent List：因變數（分析變數，一般為定距或定序變數） • Independent List：引數（分組變數，為分類變數，注意可分
要求：a. 被比較的兩組樣本彼此獨立, 沒有
配對關係 b. 兩組樣本均來自正態總體 c. 均值是對於檢驗有意義的描述統計量
兩組樣本方差相等和不等時使用的計算t值的公式不 同。因此應該先對方差進行齊次性檢驗。SPSS的輸出， 在給出方差齊和不齊兩種計算結果的t值，和t檢驗的 顯著性概率的同時，還給出對方差齊次性檢驗的F值 和F檢驗的顯著性概率。用戶需要根據F檢驗的結果自 己判斷選擇t檢驗輸出中的哪個結果，得出最後結論。
能否用樣本均值估計總體均值？兩個變數均值接近的 樣本是否來自均值相同的總體？換句話說，兩組樣本 某變數均值不同，其差異是否具有統計意義？能否說 明總體差異？這是各種研究工作中經常提出的問題。 這就要進行均值比較。
8.1.2 進行均值比較及檢驗的過程
MEANS過程：不同水準下（不同組）的描述統計量，如男女
的平均工資,各工種的平均工資。目的在於比較。術語：水準數 （指分類變數的值數，如sex變數有2個值，稱為有兩個水準）、 單元Cell（指因變數按分類變數值所分的組）、水準組合
T test 過程：對樣本進行T檢驗的過程
• 單一樣本的T檢驗：檢驗單個變數的均值是否與給定的常數之 間存在差異。
• 獨立樣本的T檢驗：檢驗兩組不相關的樣本是否來自具有相同 均值的總體（均值是否相同，如男女的平均收入是否相同，是 否有顯著性差異）
SPSS均值比较
独立与相关总体
独立的 不同的数据来源
不相关的 Unrelated 独立的 Independent
相关的 同一数据来源
成对的或对应的 Paired or Matched 如：重复测量（前/后） (Before/After)
两个样本平均数的
差异 Difference between sample means
24
秩和检验--例题
您是一名生产计划者，您想了解两个工厂生
产率的中位数是否相同。工厂1，生产率为 (百分比值): 71, 82, 77, 92, 88; 工厂2, 生产率 为: 85, 82, 94, 97. 在0.01水平上两个工厂的 生产率中位数是否相同？
25
秩和检验—计算表
工厂1 生产率 71 82 77 92 秩 1 4 3.5 2 7 85 82 94 97 工厂2 生产率 秩 5 4 3.5 8 9
可用于定序、定距或定比数据 总体近乎对称
如：钟形、矩形等
4. 如果 ni > 10可以用正态分布近似计算
23
秩和检验--步骤
1. 令 Ri 表示排序结果,样本观测值从第1 排到第 n1 + n2如果样本容量不同，令样本容量较小 者为n1
最小值 = 第1 如有并列，则取排序的平均值
2. 计算等级之和，以Ti 表示每个样本的等级之 和 3. 检验统计量是 T1 (较小的样本)
10
不同方差均值的t 检验
t (X1 X 2 ) (μ1 μ 2 )
2 S1 S2 2 n1 n 2 2 1 2 2 2
S S n n 2 1 其中 df 2 2 2 2 S1 S2 n n 1 2 (n 1 1) (n 2 1)
SPSS数据分析教程-均值的比较
果 掌握配对样本T检验方法、应用条件和输出结
果
5.1假设检验的基本思想
一、假设检验的基本思想
假设检验的思想
反证法及小概率原理。所谓反证法及小概率原理即 首先在原假设正确的条件下计算出现该样本或者样 本统计量的概率，如果这种事件发生的概率很小， 譬如小于5%，那么就拒绝原来的假设，而接受备 择假设。
探索性分析
先对两种促销方式的客户消费数据进行描述性 统计分析，初步探索两种不同的促销邮件下的 客户花费情况。
正态性检验
设置正态性检验
正态性检验表
T检验
选择【分析】→【比较均值】→【独立样本T 检验】
两独立样本T检验实例分析：
1、机场等级分数比较 国际航空运输协会对商务旅游人员进行了一项
可以先计算配对样本的差值变量，然后进行单 样本的T检验。
配对样本T检验实例分析：
1、看电视和读书的时间 每月读书俱乐部的成员进行了一项调查，假设
抽取了15人组成样本，得到了他们每周看电视 和读书的小时数，见数据5-5，能否得出其成 员用于看电视的时间是否比读书的时间多？
2、减肥药的效果
二、均值过程分析
本书数据文件HourlyWage.sav是对护士工资 的调查，它调查了不同岗位的护士，记录了他 们的小时工资、工作经验、年龄等指标。应用 SPSS的均值过程分析护士的小时工资、工作 经验和工作位置之间的关系。
三、均值方法操作
【分析】→【比较均值】→【均值】
均值：选项
四、双因素的均值过程分析
案例分析
SPSS均值比较
数学2 98.00 89.00 80.00 78.00 78.00 89.00 87.00 76.00 56.00 76.00 89.00 89.00 99.00 89.00 88.00 98.00 78.00 89.00
4.1
Means过程
4.2
单一样本T检验
4.3
两独立样本T检验
4.4
两配对样本T检验
用户可以指定一个或多个变量作为分组变 量。如果分组变量为多个，还应指定这些分组 变量之间的层次关系。层次关系可以是同层次 的或多层次的。同层次意味着将按照各分组变 量的不同取值分别对个案进行分组；多层次表 示将首先按第一分组变量分组，然后对各个分 组下的个案按照第二组分组变量进行分组。
4.1.3 结果和讨论
4.2 单一样本T检验
4.2.1 统计学上的定义和计算公式
定义：SPSS单样本T检验是检验某个变量 的总体均值和某指定值之间是否存在显著差异。 统计的前提样本总体服从正态分布。也就是说 单样本本身无法比较，进行的是其均数与已知 总体均数间的比较。
计算公式如下。 单样本T检验的零假设为H0总体均值和指 定检验值之间不存在显著差异。 采用T检验方法，按照下面公式计算T统计量：
从两种情况下的T统计量计算公式可以看 出，如果待检验的两样本均值差异较小，t值 较小，则说明两个样本的均值不存在显著差异； 相反，t值越大，说明两样本的均值存在显著 差异。
4.3.2 SPSS中实现过程
研究问题 分析A、B两所高校大一学生的高考数学成
绩之间是否存在显著性差异。
实现步骤
表4-2 两所学校学生的高考数学成绩表
学校 清华 北大
数学 99 88 79 59 54 89 79 56 89 99 23 89 70 50 67 78 89 56
SPSS实验报告——均值比较
实验报告一、实验目的1、掌握均值比较，用于计算指定变量的综合描述统计量2、掌握独立样本T检验（Independent Samples Test），用于检验两组来自独立总体的样本，企图理综题的均值或中心位置是否一样二、实验步骤第1步数据导入；打开“EG5-2城市和农村学生心理素质测试得分.sav”第2步确定要进行T检验的变量；选择Analyze→ Compare Means →Independent-Samples ，选择“p”变量作为检验变量，移入“Test Variable(s)”框中。
第4步确定分组变量；选择变量“group”作为分组变量，将其移入下图中的“Grouping variable”文本框中，并定义分组的变量值：Group1—1，Group2—2。
三、结果及分析两独立样本T检验的基本描述统计量分析：1、根据结果，方差齐性检验的p值为0.791，大于0.05，故应接受原假设。
2、因为方差相等，两独立样本T检验的结果应该看两独立样本T检验结果报中的Equal variances assumed”一行，第5列为相应的双尾检测概率（Sig.（2-tailed））为0.07，在显著性水平为0.05的情况下，T统计量的概率p值大于0.05，故接受原假设假设,即认为两样本的均值是相等的，在本题中，不能认为两组的成绩有显著性差异。
实验报告一、实验目的1、掌握均值比较，用于计算指定变量的综合描述统计量2、掌握配对样本T检验（Paired Samples Test），用于检验两个相关的样本是否来自具有相同均值的总体。
二、实验步骤第1步数据组织；打开“EG5-1学生培训前后心理测试得分.sav”第2步确定配对分析的变量选择Analyze→ Compare Means →Paired-Samples T Test，将变量“before”和“after”添加到“Paired Variables”框中，作为一对分析的配对变量三、结果及分析分析：表“paired samples test”显示，学生培训前后的平均成绩相差 -0.158，平均成绩差值的标准差为1.5048，差值标准差的标准误为0.4344.在置信水平为95%时平均值差值的置信区间为-1.114~0.798。
SPSS的均值比较过程
一、相关分析1、参数相关分析Pearson相关系数，又称积矩相关系数，适用于连续分布或正态分布变量，是最常用的参数相关分析。
2、非参数相关分析当资料不服从双变量正态分布或总体分布未知，或原始数据用等级表示时，宜用spearman 或kendall相关。
Spearman，等级相关，适合定序变量或不满足正态分布假设的等间隔数据，适用于连续等级资料；Kendall，等级相关，适合定序变量或不满足正态分布假设的等间隔数据，适用于合并等级资料；（1）Spearman相关分析Spearman相关系数又称秩相关系数，是根据等级资料研究两个变量间相关关系的方法。
它是依据两列成对等级的各对等级数之差来进行计算的，所以又称为“等级差数法”。
它对数据条件的要求没有积差相关系数严格，只要两个变量的观测值是成对的等级评定资料，或者是由连续变量观测资料转化得到的等级资料，不论两个变量的总体分布形态、样本容量的大小如何，都可以用斯皮尔曼等级相关来进行研究。
它是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法，适用范围要广些。
对于服从Pearson相关系数的数据亦可计算Spearman相关系数，但统计效能要低一些。
Pearson相关系数的计算公式可以完全套用Spearman相关系数计算公式，但公式中的x和y用相应的秩次代替即可。
（2）Kendall相关分析肯德尔(Kendall)系数又称和谐系数，是表示多列等级变量相关程度的一种方法。
适用这种方法的数据资料一般是采用等级评定的方法收集的，即让K个评委（被试）评定N件事物，或1个评委（被试）先后K次评定N件事物。
等级评定法每个评价者对N件事物排出一个等级顺序，最小的等级序数为1 ，最大的为N，若并列等级时，则平分共同应该占据的等级，如，平时所说的两个并列第一名，他们应该占据1，2名，所以它们的等级应是1.5,又如一个第一名，两个并列第二名，三个并列第三名，则它们对应的等级应该是1,2.5,2.5,5,5,5,这里2.5是2,3的平均，5是4,5,6的平均。
《统计分析与SPSS的应用》课后练习答案(第6章)
《统计分析与SPSS的应用（第五版）》（薛薇）课后练习答案第6章SPSS的方差分析1入户推销有五种方法。
某大公司想比较这五种方法有无显著的效果差异，设计了一项实验。
从应聘人员中尚无推销经验的人员中随机挑选一部分人，并随机地将他们分为五个组,第一组第二组第三组第四组第五组1）请利用单因素方差分析方法分析这五种推销方式是否存在显著差异。
2）绘制各组的均值对比图，并利用LSD方法进行多重比较检验。
（1）分析比较均值单因素ANOVA因变量：销售额；因子：组别销售额ANOVA平方和df 均方 F 显著性组之间 4 .000确定。
概率P-值接近于0，应拒绝原假设，认为 5种推销方法有显著差异。
(2)均值图：在上面步骤基础上，点 选项 均值图；事后多重比较 LSD」闿匡同直性咗圭; I 旦rDwn- =ar=)rthe］园Elrh M 苹坷價囲(hf吐忙值叫疥咐冊删■陈•喋曲 .)；对展泮|4i 哄iy多重比较因变量：销售额(1)组别(J)组别 平均差(I-J)标准错误显著性95%置信区间下限值上限第一组第二组 *.048第三组.72857.653第四组.066组内 总计30 34-w 風獄I 怖 ------------可知，1和2、1和5、2和3, 2和4,2和5,3和5,4和5有显著差异。
2、从两个总体中分别抽取n i =7和和n 2 =6的两个独立随机样本，经计算得到下面的方差分析表。
请补充表中单元格的两个独立随机样本，经计算得到下面的方差分析表。
请补充表中单元格“ A”和单元格“ B”内的计算结果。
答：已知组内均方=组内偏差平方和/自由度，所以A=1仁F统计量=组间均方/组内均方所以B==3、为研究某种降血压药的适用特点，在五类具有不同临床特征的高血压患者中随机挑选了若干志愿者进行对比试验，并获得了服用该降压药后的血压变化数据。
现对该数据进行单因素方差分析，所得部分分析结果如下表所示。
InltiplR CoaparisansLS1）请根据表格数据说明以上分析是否满足方差分析的前提要求，为什么2）请填写表中空缺部分的数据结果，并说明该降压药对不同组患者的降压效果是否存在显著差异。
SPSS之平均数比较与T检验
数据统计分析软件—— SPSS
五、平均数比较与T检验
假设检验是非常重要的一类统计推断问题。假 设检验技术不仅可以对总体分布的某些参数，而且 也可以对总体本身的分布做出假设，通过对样本的 统计分析来判定该假设是否成立，从而对总体分布 给以进一步的确认。 如：已知样本来自正态总体，是否有理由说它 是来自均值为 0 的正态总体；再如，已知两个相互 独立的样本，分别来自两个正态总体，能否说这两 个总体均值相同或方差相同。
假设检验中的两类错误
第Ⅰ类错误(弃真错误) 原假设为真时拒绝原假设 第Ⅰ类错误的概率记为 被称为显著性水平 2. 第Ⅱ类错误(取伪错误) 原假设为假时未拒绝原假设 第Ⅱ类错误的概率记为 1.
两类 错误的关系
和 的关系就像 翘翘板，小 就 大， 大 就小
N一定，不能同 时减少两类错误 !的在于判断样本统计量与假设的 总体参数之间的差异。不同的抽样方法对应着不同 的标准。显著性水平就是用来判断接受和拒绝原假 设的标准，通常用 表示。 1. 在一次试验中，一个几乎不可能发生的事件发生 的概率为零。 2. 在一次试验中小概率事件一旦发生，我们就有理 由拒绝原假设。 3. 由研究者事先确定。
（3）用于独立样本的t 检验过程 [Analyze]=> [Compare Means] =>[Independent-Samples T Test] 用于检验是否两个不相关的样本来自具有相 同均值的总体。 （4）用于配对样本的t 检验过程 [Analyze]=> [Compare Means]=>[PairedSamples T Test] 用于检验两个相关的样本是否来自具有相同 均值的总体。
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
- 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)。
第 6.1 平均值分析 六 章 6.2 单样本T检验及效应量计算分析
比 6.3 独立样本T检验及效应量计算分析
较 6.4 摘要独立样本T检验及效应量计算分析 平 均 6.5 成对样本T检验及效应量计算分析 值 6.6 均值比较分析报告的参考样例
6.5 成对样本T检验及效应量计算分析
成对样本T检验（Paired-Samples T Test），也 称为配对样本T检验、相关样本T检验，可对配对 资料进行显著性检验。
第1步：打开分析数据。打开“智力测验 .sav”文件。
第2步：启动分析过程。在SPSS主菜单选中 菜单命令【分析】→【比较平均值】→【 单样本T检验】，打开单样本T检验主对话 框。
第3步：设置分析变量。 在本例中选“智力测验分数”变量进入“ 检验变量:”框。 在检验值的文本框中输入需要比较检验的 总体均值：100。
第1步：打开分析数据。打开“能力测验的 前测、后测.sav”文件。
第2步：启动分析过程。点击【分析】【 比较平均值】【成对样本T检验】菜单命 令，打开对话框。
从对话框左侧的变量列表中，选择“前次成 绩”点击向右钮，进入右边的成对变量的列 表框，在第1对的变量1。
再选择“后次成绩”点击向右钮，进入右边 的成对变量的列表框，在第1对的变量2。
由以上计算可知，本例的统计量检验不显著 （P大于0.05，接受原假设H0）。
此时不需要计算统计检验力和效应量。
案例：【例6-5】在一项关于记忆方法对记忆单词
成绩的影响研究中，将被试随机分成两组，在完成 记忆任务之后，以被试回忆或描述记忆单词的数量 作为记忆成绩。其中实验组（使用了实验指定的记 忆方法）35人，得到的记忆成绩平均值为16，标准 差为2.2；对照组（未使用指定的记忆方法）35人， 得到的记忆成绩平均值为11，标准差为4.3，试问实 验组与对照组的记忆成绩是否有显著差异。
பைடு நூலகம்击【定义组】按钮，弹出如下对话框：
第4步：设置输出的统计量。点击主对话框 中右边的【选项】按钮，弹出对话框：
第5步：在主对话框中点击【确定】按 钮。SPSS在输出窗口输出结果。
第6步：结果分析。
第一个表：组统计量
第二个表：独立样本T检验
（1）莱文方差等同性检验（Levene’s方差齐 性检验）的F值为0.077，所对应的显著性概率为 0.782 >0.05，接受原假设，结论：两个组别方 差齐性。因此，在本例中，选择第一行的t检验的 结果。
第1步：打开分析数据。打开“推理能力 测验.sav”文件。
第2步：启动分析过程。点击【分析】 【比较平均值】【独立样本T检验】， 打开对话框。
第3步：设置分析变量。从左边的变量列表中 选择变量，将“推理能力分数”变量选入到 “检验变量”框里；
将“性别”变量选入到 “分组变量”框里。 此时，在分组变量“性别”后面就出现了“ ？？”，需要用户进一步定义。
6.4 摘要独立样本T检验及效应量计算分析
摘要独立样本T检验是指：原始测量数据未 知或丢失，只知道两个比较组别的样本数 量、平均值、标准差，在这种情况下而进 行的一种均值比较t检验。
案例：【例6-4】在甲乙两个学校分别抽取 100名16岁的男生进行智力测验，测得的平 均分分别为115分和111分。根据常模，该年 龄组男生智商的标准差为15。请检验两个学 校男生在智商方面是否有显著差异？（此例 引自胡竹菁《心理统计学》教材第122页的 例6-7）
6.1 平均值分析
平均值分析是用于分组统计时分析一些基本 统计量。这些基本统计量包括：均值（Mean ）、标准差（Standard Deviation）、样本 量、方差（Variance）。平均值分析也可以 同时包含方差分析表和线性检验结果。
与描述统计的分析过程相比，如果仅仅计算 单一组别的均数和标准差，平均值分析并无 特别之处；但若用户要求按指定条件分组计 算均数和标准差，平均值分析的优势在于各 组的描述指标被放在一起便于相互比较。
第3步：设置分析变量。在本例中选“总分 ”变量进入“因变量列表”框。从左边的 变量列表中选中“性别”、“年级”变量 ，选择进入“自变量列表”框。
第4步：设置输出的统计量。单击【选项】 按钮，打开下图所示的对话框，该对话框 用于选择统计量：
本例选定统计量 为“平均值”、 “个案数”、“ 标准差”3个统 计变量。
案例：【例6-1】 请分析在某次考试成绩
中的分数情况（数据文件为“考试成绩 .sav”）：（1）分别求取不同性别、各个 年级的考试成绩分数的平均数、标准差。
（2）在各个年级下，再分男、女两个组别求 取的平均数、标准差。
第1步：打开分析数据。在数据编辑器窗口 打开“考试成绩.sav”文件。
第2步：启动分析过程。点击【分析】→【 比较平均值】→【平均值】菜单命令，打开 如图所示的对话框。
第1步：启动分析过程。点击【分析】 【比较平均值】【摘要独立样本T 检验】，打开对话框。
第2步：在主对话框中，根据目前已知两个 组别的信息，分别在“样本1”、“样本2” 的框中输入个案数、平均值、标准差，同时 输入样本1、样本2的标签。
第3步：在主对话框中点击【确定】按钮， 提交执行。SPSS在输出窗口输出结果。
比 6.3 独立样本T检验及效应量计算分析
较 6.4 摘要独立样本T检验及效应量计算分析 平 均 6.5 成对样本T检验及效应量计算分析 值 6.6 均值比较分析报告的参考样例
6.2 单样本T检验及效应量计算分析
如果总体均数已知，进行样本均数与总体均 数之间的差异检验属于单样本T检验；单样 本T检验还适用于某一样本的均值与某一指 定检验值的差异分析。
单因素ANOVA检验，也就是单因素方差分析 ，是多组平均值的比较，单因素ANOVA检验 将在下一章中讲解。
第 6.1 平均值分析 六 章 6.2 单样本T检验及效应量计算分析
比 6.3 独立样本T检验及效应量计算分析
较 6.4 摘要独立样本T检验及效应量计算分析 平 均 6.5 成对样本T检验及效应量计算分析 值 6.6 均值比较分析报告的参考样例
第1步：启动分析过程。点击【分析】 【比较平均值】【摘要独立样本T 检验】，打开对话框。
第2步：在主对话框中，根据目前已知两个组 别的信息，分别在“样本1”、“样本2”的框 中输入个案数、平均值、标准差，同时输入样 本1、样本2的标签“实验组”、“对照组”。
第3步：在主对话框中点击【确定】按钮。 SPSS在输出窗口输出结果。
第4步：结果分析。
第二个表：独立样本检验
（1）Hartley 等方差检验F值为3.820，所对应的 显著性概率为0.0001<0.05，拒绝原假设，结论： 两个组别方差不齐性。因此，在本例中，选择第二 行的 t 检验的结果。
（2）t值是6.124，对应的显著性概率0.000，小 于0.05，拒绝原假设。得出结论：实验组与对照组 的记忆成绩有显著差异。
结论：该学校学生智力分数与总体水平有 差异，而且是低于总体水平。
然后可进一步报告假设检验的效应量、统 计检验力。
第 6.1 平均值分析
六 6.2 单样本T检验及效应量计算分析 章 比 6.3 独立样本T检验及效应量计算分析 较 6.4 摘要独立样本T检验及效应量计算分析
平 6.5 成对样本T检验及效应量计算分析 均 值 6.6 均值比较分析报告的参考样例
第十章 信度和效度分析 第十一章 非参数检验 第十二章 多选变量分析 第十三章 SPSS应用案例——问卷调查分析 第十四章 SPSS应用案例——测验质量分析 第十五章 探索性因子分析及案例应用 第十六章 基本统计图表的制作 第十七章 SPSS应用分析归纳小结
第六章 比较平均值
比较平均值（Compare Means）的菜单命令 包括：平均值；单一样本T检验；独立样本T 检验；摘要独立样本T检验；成对样本T检验 （配对样本T检验）；单因素ANOVA检验。
或者同时选中“前次成绩” 、“后次成绩” ，点击向右钮。
当然，如果有多个配对变量，还可以设置第2 对或更多对的成对变量。
第3步：设置输出的统计量。点击主对话框 中右边的【选项】按钮，弹出对话框：
6.3 独立样本T检验及效应量计算分析
对于相互独立的两个来自正态总体的样 本，利用独立样本T检验来检验这两个 总体的均值是否相等。
6.3 独立样本T检验及效应量计算分析
案例：【例6-3】按照随机化原则在初一学
生中选择男生35名，女生35名进行推理能力 测验，数据文件为“推理能力测验.sav”。 分析男生、女生的推理能力分数之间是否有 差异？
第5步：在主对话框中点击【确定】按 钮，提交执行。SPSS在输出窗口输出 结果。
第6步：结果分析。在结果窗口中查看 计算结果，主要输出内容如下。
第一个表格：个案处理摘要表。（略） 第二个表格：总分*性别的统计表
如果要在各个年级下，分男、女两个组别求 取总分的平均数、标准差，该怎么操作呢？
让我们先回到【分析】→【比较平均值】→ 【平均值】
先将“年级”变量放入第一层，点击【下一个】 按钮，再将“性别”变量放入第二层。
由结果可知，当年 级作为第一层分类 后，还进一步按照 性别进行了分类计 算统计人数、平均 数、标准差。
第 6.1 平均值分析 六 章 6.2 单样本T检验及效应量计算分析
第4步：结果分析。
第一个表：摘要数据
第二个表：独立样本检验
（1）Hartley 等方差检验F值为1.000，所对应的 显著性概率为0.5000>0.05，接受原假设，结论： 两个组别方差齐性。因此，在本例中，选择第一行的 t 检验的结果。
（2）t值是1.866，对应的显著性概率0.061，大 于0.05，接受原假设。得出结论：两个学校男生的智 商分数没有显著差异。
（2）t值是4.555，对应的显著性概率0.000， 小于0.05，拒绝原假设。得出结论：男女的推理 能力测验分数有显著差异。