独立样本t检验

❖数据去拆分
独立样本 t 检验
独立样本 t 检验
❖ 定义组别具体数值
3. 根据检验统计量的结果做出统计推断
❖ 给出两处理组的各种统计量，包 括样本含量、均数、标准差、标准误
方差齐性检验
❖ 若方差齐，参考Equal variances assumed一行统计量 ❖ 若方差不齐，参考Equal variances not assumed一行统计量
谢 谢！
数据输入
正态性检验 ❖ 为分组进行正态性检验，首先对数据进行拆分
正态性检验 ❖ 数据拆分后，右下角显示Split File On，表示正处于数据已拆分状态
正态性检验
正态性检验
正态分布 泊松分布
均匀分布 指数分布
正态性检验
P=1.000，表明数 据服从正态分布
P=1.000，表明数 据服从正态分布
收集的所增体重结果数据如下： 高蛋白组：134、146、104、119、124、161、107、83、113、129 低蛋白组：70、118、101、85、107、132、94、123、
分析步骤：
1. 建立检验假设，确定检验水准 H0：μ1=μ2，即高蛋白组与低蛋白组所增体重的总体均数相同 H1：μ1≠μ2，即高蛋白组与低蛋白组所增体重的总体均数不同 （包括μ1＞μ2 或μ1＜μ2 ） α = 0.05 2. 计算检验统计量 应用SPSS21.0操作如下：
（2）数据转换后方差不齐——t `检验 或秩转换的非参数检验
当样本例数比较大(n > 60)，且服从正态分布—— u检验
实例分析
采用完全随机设计的方法，将19只体重、出生年月等相仿的小白 鼠随机分为两组，其中一组喂养高蛋白饲料，另外一组喂养低蛋白饲 料，然后观察喂养8周后小白鼠体重（mg）增加情况，问两组膳食对 小白鼠增加体重有无不同？
P > 0.05，两组间 体重增加无差异
结果表述
三线表
直条图
标准差 均数
误差条图
标准差
单个样本
均数
标准差 均数
通过样本信息来描述总体，估计抽样误差的 大小，特别适合比较多个样本间的差异情况
箱式图
最大值
上四分位数 中位数
下四分位数 最小值
最大值
中位数
最小值
反应数据的分布特征，即数据的分布中心、分布、偏度、变 异范围和离群值，特别适合用于多组数据分布的比较
独立样本 t 检验
主要内容
一 概述 二 应用条件 三 实例分析 四 结果表述 五 SCI文章应用 六 科室数据应用
概述
t 检验（ t -test ）
➢ 以t分布为基础的假设检验方法 ➢ 计量资料中两个均数比较的假设检验 ➢ 在医学统计学中非常活跃的方法 ➢ 单样本 t 检验、配对样本 t 检验、独立样本 t 检验

1 n2
)
n1 n2 2
X1 X2
(n1 1)S12 (n2 1)S22 ( 1 1 )
n1 n2 2
n1 n2Βιβλιοθήκη Baidu
应用条件
当两样本含量较小(如n1≤60或/和n2≤60)，且均来自正态总体 时，要根据两总体方差是否不同而采用不同检验方法 ➢ 总体方差相等：t 检验 ➢ 两总体方差不等：（1）数据转换后方差齐—— t 检验
独立样本 t 检验（Independent Samples t-test）
➢ 又称成组t检验，适用于完全随机设计两样本均数的比较
➢ 将受试对象完全随机分配到两个不同处理组
➢ 检验目的：观察 两样本均数 和 所代表的 两总体均数 是否
有差别
➢ 检验统计量：t 值
t X1 X2
SC2
(
1 n1