独立样本t检验结果怎么看

一、问题与数据

某广告公司制作了一段电视宣传视频，希望能够同时吸引男性和女性购买者的注意。现该公司共招募20位男性和20位女性作为研究对象，请他们观看电视宣传视频后为视频评分，并根据两组分数对比判断男、女受试者对该视频的喜好程度。他们收集了研究对象的性别（gender）和评分（engagement）。部分数据如下图：

二、对问题的分析

研究者拟分析两组数据均值是否有差异，即根据两组的评分，判断男性和女性对该视频的喜好程度。针对这种情况，我们可以使用独立样本t检验，但需要先满足6项假设：

假设1：观测变量为连续变量，如本研究中的评分为连续变量。

假设2：观测变量分为2组，如本研究中分为男性组和女性组。

假设3：观测值之间相互独立，如本研究中各位研究对象的信息都是独立的，不存在相互干扰。

假设4：观测变量不存在显著的异常值。

假设5：观测变量在各组内接近正态分布。

假设6：两组的观测变量的方差相等。

经分析，本研究数据符合假设1-3，那么应该如何检验假设4-6，并进行独立样本t检验呢？

1. 对假设的判断

假设4和假设5可通过以下方式来检验。假设6的检验结果可在结果解释部分查看。

在主界面点击Analyze→Descriptive Statistics→ Explore，弹出Explore对话框。在对话框中将engagement变量放入Dependent List栏，并将gender变量放入 Factor List栏。

点击Plots，取消对Descriptive栏内 Stem-and-leaf选项的选择，并点击Normality plots with tests选项，点击Continue→OK。

2. 检验假设4：观测变量不存在显著的异常值

通过上述操作后，SPSS输出箱式图。

一般来说，如果研究数据中存在显著的异常值，箱式图会以星号或者空心圆点的形式提示出来。如果数据值大于1.5倍箱距，数据的表示方式为空心圆点；如果数据值大于3倍箱距，数据的表示方式为星号。从上图可以看出，本研究数据中没有显著异常值，满足假设4。

如果箱式图如下图所示，则提示数组有疑似异常值。该图提示，男性组第6位受试者的数据为疑似异常值，数据值大于3倍箱距。女性组的第26位受试者的数据也为疑似异常值，数据值大于1.5倍箱距。

3. 检验假设5：观测变量在各组内接近正态分布

正态性可以使用Shapiro-Wilk检验来判断。SPSS输出Shapiro-Wilk检验结果如下图。

一般来说，如果数据接近正态分布，那么Shapiro-Wilk检验的P值就大于0.05；反之如果数据并不接近正态分布，那么Shapiro-Wilk检验的P值就小于0.05。从上图可以看出，男性/女性组内数据接近于正态分布（P>0.05），满足假设5。

扩展阅读

对于正态分布的判断，SPSS提供了多种方法，常用的有Shapiro- Wilk （W 检验）、Kolmogorov-Smirnov检验（D检验）、P-P图、Q-Q图、其它有直方图、箱式图、偏度系数、峰度系数等。

1. Shapiro-Wilk （W 检验）和Kolmogorov-Smirnov检验（D检验）

两种检验都属于非参数检验方法。SAS中规定：当样本含量N≤2000时，结果以Shapiro-Wilk（W 检验）为准；当样本含量N>2000 时，结果以Kolmogorov-Smirnov（D检验）为准。但是，当样本量较大时，两种方法的假阳性率较高（容易得出P<0.05，不符合正态分布的结果）

2. P-P图、Q-Q图和直方图

P-P图以样本的累计频率为横坐标，其对应的正态分布理论累计概率作为纵坐标画散点图。当数据与正态分布拟合较好时，图上的点会大致围绕第一象限的对角线分布。

Q-Q图以样本的分位数为横坐标，其对应的正态分布理论分位数为纵坐标画散点图。当数据与正态分布拟合较好时，图上的点会大致围绕第一象限的对角线分布。

也可看直方图是否以钟形分布来判断（直方图还可以选择输出正态性曲线）。

3、正态性检验

W检验和D检验在样本量较小时，容易出现假阴性；样本量过大时，容易出现假阳性。因此对于正态性检验，因结合多种方法综合判断。此外，t检验对数据的正态性有一定的耐受能力。如果数据只是稍微偏离正态，结果仍然是稳定的。如果数据偏离正态很远，则需要考虑数据转换或采用非参数方法分析。

更多阅读：SPSS教程：判断数据正态分布的超多方法！；SPSS详细操作：正态转换的多种方法

4. 独立样本t检验

在主界面点击Analyze→Compare Means→Independent-Samples T Test，在弹出的对话框中，将engagement变量放入 Test Variable(s)栏，并将gender变量放入 Grouping Variable 栏。

点击Define Groups，在Group 1栏输入“1”，在Group 2栏输入“2”，点击Continue→OK。

四、结果解释

1. 统计描述

在检验假设6和结果解释之前，我们需要对数据有一个基本的了解。SPSS输出结果如下图。

在本研究中，男性和女性组的样本量分别是20（“N”栏）。男性组为该电视广告打分的平均值为5.5589（“Mean”栏），标准差为0.29190（“Std. Deviation”栏）；女性组为该电视广告打分的平均值为5.2999（“Mean”栏），标准差为0.39339（“Std. Deviation”栏）。

2. 检验假设6：两组的观测变量的方差相等

两组的观测变量的方差相等是进行独立样本t检验的必要条件。Descriptives表中显示各组的方差值如下图。

本研究中男性组的方差值为0.085，女性组的方差值为0.155。单从这个数据来看，我们发现女性组的方差值几乎是男性组的两倍，但是这仅仅是抽样数据的方差结果，并不代表两组数据的方差一定不等。我们需要通过Levene's检验，判断两组总体的方差情况，即大家熟知的F检验，如下图。

Levene's检验结果显示，F=1.922，P=0.174，提示两组数据方差齐，满足假设6。

一般来说，如果数据满足上述假设，我们就可以进行独立样本t检验。但是如果数据满足假设1-5，但是不具有等方差性，那么我们就应该使用Mann-Whitney U检验或者t’检验。本研究满足假设1-6，可以进行独立样本t检验。

3. 独立样本t检验

首先我们可以看到两组数据的对比分析，如下图标注部分。男性组和女性组为该电视广告打分的差值为0.25900（“Mean Difference”栏）， 95%置信区间为0.03726 到0.48074（“95% Confidence Interval of the Difference”栏）。

上图中，如果Levene's检验结果显示方差齐，则读“Equal variances assumed”行中的t检验结果。如果方差不齐，则需要读“Equal variances not assumed”行中的t’检验结果。

本研究中，Levene's检验结果显示方差齐（F=1.922，P=0.174），t检验结果显示，t=2.365，P=0.023，提示男性和女性为电视广告的打分值存在统计学差异，即电视广告对男性和女性的吸引力不同。

五、撰写结论

本研究采用独立样本t检验判断某电视广告对不同性别人群吸引力的差异。研究数据不存在显著异常值，且在各组内接近正态分布，同时方差齐。结果显示，男性对该电视广告的打分（5.56 ± 0.29）高于女性（5.30 ± 0.39），差值为0.26（95%置信区间为0.04-0.48）。

独立样本t检验结果提示，t = 2.365, P=0.023，说明男性和女性给该电视广告的打分存在统计学差异，即该电视广告对男、女性的吸引力不同。

（如果想使用文中数据进行练习，请使用电脑打开以下网址：

点击右侧“数据下载”免费下载原始数据）

发布时间：2022/06/21 11:08:49

品牌型号:联想GeekPro 2020

系统: Windows 10 64位专业版

软件版本: IBM SPSS Statistics

spss独立样本t检验如何看显不显著？先判断因变量是否满足方差齐性，然后再根据方差齐性结果查看对应的显著性P值，本文会具体演示方法。spss独立样本t检验t值决定什么？t值决定个案组均值之间是否存在差异。

一、spss独立样本t检验如何看显不显著

spss独立样本t检验是检验两组个案均值差异性的分析方法，t检验需满足方差齐性的假设，在不满足方差齐性时，需要使用到校正的t检验方法。

在spss的独立样本t检验结果中，会同时运算t检验与校正t检验的结果，分析者可根据方差齐性检验结果，使用对应的t检验数值来查看均值差异先不显著。

以图1的数据为例，两组数据分别为饮用不同牛奶的人群，其平均值数值有差异，但需通过独立样本t检验进一步查看差异的显著性。

spss独立样本t检验运算结果如下，先查看方差齐性检验，其显著性P值为0.748>0.05，说明两组数据不满足方差齐性的假设，t检验需查看“不假定等方差”的结果（即第二行的t检验结果），t检验的显著性P值为<0.001，拒绝两组个案均值无差异的原假设，说明两组人群的身高均值有差异。

二、spss独立样本t检验t值决定什么

首先，spss独立样本t检验是运用t理论来推断两组数据发生差异的概率，来检验两组数据差异是否有显著性的分析方法，而t值是t检验的统计量，通过t值推断差异发生的概率（通过查表的方式）。

那么t值是怎么计算的呢？t检验需要满足方差齐性的假设，但是，如果不满足方差齐性，也是可以通过校正的方法计算t值的，因此，独立样本t检验的t值会涉及到两种计算方法。

1.在满足方差齐性的假设下，运用以下公式计算t值，其中x1、x2（上有横线）代表个案组均值，n1、n2代表样本量，Sc是合并方差。

2.在不满足方差齐性的前提下，运用以下公式计算t值，其中x1、x2（上有横线）代表个案组均值，n1、n2代表样本量，v1,v2是样本方差。

对于不熟悉统计运算的分析者来说，人工计算起来会很繁琐，实际上，使用spss的独立样本t检验分析方法就可以快速得到t值或校正t值。另外，spss会自动根据t值得出显著性P值结果，无须人工查表。

三、spss均值检验还有哪些方法

spss均值检验除了上述讲解的的独立样本t检验外，还设有单样本t检验、成对（配对）样本t检验等分析方法，以上分析方法的共用点都是运用t检验来推断数据间均值差异是否有显著性。

1.单样本t检验

spss单样本t检验，是检验样本均值与标准均值之间是否有差异的分析方法，常用于检验产品的质量是否符合标准、人群的某个指标是否符合标准等。比如，图7的例子用于检验样本身高均值是否与标准值“153”有差异。

2.成对（配对）t检验

spss成对（配对）t检验与独立样本t检验很相似，其区别在于检验的个案组不同，独立样本t检验是检验两个不同的个案组，而成对（配对）t检验是检验同一个案组在不同测试条件下的数值表现。

比如图8所示成对（配对）t检验例子，检验的是同一个案组在饮用牛奶前后的身高数据，从显著性P值<0.05得出，饮用牛奶前后的身高均值有差异。

四、小结

以上就是关于spss独立样本t检验如何看显不显著，spss独立样本t检验t值决定什么的相关内容。spss独立样本t检验的t值决定了两组均值的差异是否有显著性，在方差是否满足齐性的情况下，计算方法不同，但spss能同时提供等方差与不等方差的t值，使用起来很简单、方便。

作者：泽洋

标签:T检验，单样本T检验，SPSS独立样本T检验

• 上一篇：SPSS数据重构—将选定变量重组为个案
• 下一篇：数据挖掘需要哪些知识 数据挖掘工具有哪些

读者也访问过这里:

• spss配对样本t检验数据录入 spss配对样本t检验数据有负数
• spss配对样本t检验怎么分组 spss配对样本t检验结果怎么看
• spss显著性差异分析步骤 spss显著性差异分析结果怎么分析
• SPSS信度为负数可以用吗 SPSS信度怎么提高
• SPSS回归分析贝塔值怎么看 SPSS回归分析贝塔值怎么求

怎么看T检验结果？

如何进行独立样本t检验？

什么是单样本t检验？

SPSS怎么做非参数检验？