T检验过比较不同数据的均值，研究两组数据之间是否存在差异。可以分为三种，分别是单样本T检验、配对样本T检验、独立样本T检验。
一、独立样本t检验
1.研究场景
独立样本t 检验用于分析定类数据与定量数据之间的关系情况。例如研究人员想知道两组学生的智商平均值是否有显著差异。t 检验仅可对比两组数据的差异,如果为三组或更多,则使用方差分析。如果刚好仅两组,建议样本较少(低于100时)使用t 检验,反之使用方差分析。
2.数据格式
独立样本t 检验是研究2组数据的差异，比如不同性别时满意度的差异。数据格式中需要有组别X（比如性别）和分析项Y（比如满意度）。
有时候数据格式中只有2列，而没有组别，比如实验组和对照组。那么就需要对数据进行改造，自己加入一列‘组别’，然后把数据重叠起来得到分析项Y，类似如下图：
3.分析前提
（1）正态性检验
独立样本t检验要求两组数据满足正态性检验；正态性检验的方法有很多，例如：正态性检验、直方图、P-P图/Q-Q图等。
补充说明：独立样本t检验具有一定的耐受性，如果数据只是稍稍偏离正态，结果仍然是稳定的，但是如果数据严重偏离，此时均数不能很好的代表数据的集中趋势，这种情况下最好考虑采用变量转化（其中包括：取对数，开根号，BoxCOX变换等）或者使用非参数检验：MannWhitney检验（SPSSAU通用方法->非参数检验）。
（2）方差齐性检验
对于独立样本t检验，除了要满足正态性，还需要满足方差齐的前提条件。即方差齐的情况下，才可以使用t检验。在做t检验时，SPSSAU会自动完成方差齐检验，并根据检验结果，自动判断结果输出哪一种结果，因此研究者不需要再单独检验方差齐性。
4.SPSSAU操作
（1）登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。
（2）拖拽分析项
在“通用方法”模块中选择“t检验”方法，将X定类变量（仅两组）放于上方分析框内，Y定量变量放于下方分析框内，点击“开始分析”即可。
5.SPSSAU分析
背景：研究不同性别群体对网购满意度是否有差异。
（1）t 检验分析结果
从上表可以看出：不同性别样本对于网购满意度全部均呈现出显著性(p<0.05)，意味着不同性别样本对于网购满意度均有着差异性。具体分析可知：性别对于网购满意度呈现出0.01水平显著性(t=-13.816，p=0.000)，以及具体对比差异可知， 女的平均值(0.50)，会明显低于男的平均值(1.63)。总结可知：不同性别样本对于网购满意度全部均呈现出显著性差异。
（2）柱形图
从柱形图中具体对比差异可知， 女性的平均值(0.50)，会明显低于男性的平均值(1.63)。
（3）效应量指标
如果t检验显示呈现出显著性差异(p<0.05),可通过平均值对比具体差异,同时还可使用效应量(Effect size)研究差异幅度情况；
第一：t检验时使用Cohen's d 值表示效应量大小(差异幅度大小)，该值越大说明差异越大；
第二：t检验使用Cohen's d 值表示效应量大小时，效应量小、中、大的区分临界点分别是:0.20，0.50和0.80；
第三：Cohen's d 值计算公式为差值的绝对值/标准差，标准差=Sqrt(联合方差)。
6.其他说明
（1）提示X的组别只能为两组(比如男和女)？
t 检验的原理就是对比两组数据，因此X的数据中只能且一定包括两个数字。如果出现此提示，建议使用频数分析进行检查。如果是多数的差异对比应该使用方差分析。当然如果一定要使用t 检验，可使用‘筛选样本’功能，筛选出两组后进行分析即可。
（2）t检验（独立样本t检验）两组样本需不需要一致？
独立样本t检验对样本量没有要求，而配对样本T检验则要求两组样本量一定相等，两组样本需要有对应的关系。
二、配对t检验
1.研究场景
配对t 检验,用于配对定量数据之间的差异对比关系.例如在两种背景情况下(有广告和无广告);样本的购买意愿是否有着明显的差异性;配对t 检验通常用于实验研究中。
2.数据格式
配对数据的格式相对较为特殊，包括配对t 检验，或者配对卡方等。比如实验组和对照组数据的差异。如下图：
配对数据一般是在实验时使用，而且配对数据的特点为：行数一定完全相等并且只有两列。如果研究数据的行数不相等，那可能不是配对数据，如果还想对比差异，可能需要使用独立t 检验。独立t 检验和配对t 检验的数据格式不一样，需要特别注意。
3.分析前提
配对t检验要求两组数据满足正态性检验；其说明与独立样本t检验大致一样。正态性检验的方法有很多，例如：正态性检验、直方图、P-P图/Q-Q图等。
4.SPSSAU操作
（1）登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。
（2）拖拽分析项
在“通用方法”模块中选择“配对t检验”方法，将配对1（定量）放于上方分析框内，配对2（定量）变量放于下方分析框内，点击“开始分析”即可。
5.SPSSAU分析
背景：以体育疗法治疗高血压，10个高血压患者在施以体育疗法前后测定舒张压，研究体育疗法对高血压是否有效。（案例来源于：SPSS统计分析 第5版）
（1）配对t 检验分析结果
从上表可以看出：总共1组配对数据，均会呈现出差异性(p<0.05) 。具体分析可知：治疗前舒张压和治疗后舒张压之间呈现出0.01水平的显著性(t=5.639，p=0.000)，以及具体对比差异可知，治疗前舒张压的平均值(119.50)，会明显高于治疗后舒张压的平均值(102.50)。
（2）效应量指标
（3）结果的详细格式
对比差异可知，治疗前舒张压的平均值(119.50)，会明显高于治疗后舒张压的平均值(102.50)。治疗前舒张压和治疗后舒张压之间呈现出0.01水平的显著性(t=5.639，p=0.000)。
6.其他说明
关于效应量(effect size)说明：
配对t 检验分析, 当呈现出显著差异性(前提)时,可分析差异,同时还可以分析差异幅度(即效应量) (提示:效应量分析为可选，只有深入研究时才需要分析);
配对t 检验分析时,通常使用Cohen's d 值表示效应量,其计算公为:Cohen's d =|M1-M2| / S，即差值绝对值 / 标准差；具体说明如下：
（1）Cohen's d 值介于0~1之间，该值越大说明差异幅度越大;
0< Cohen's d <=0.2时，说明效应较小(差异幅度较小);
0.2 < Cohen's d <=0.8时，即 0.5附近时，说明效应中等(差异幅度中等);
Cohen's d > 0.8时，说明效应较大(差异幅度较大)。
三、单样本t检验
1.研究场景
单样本t 检验用于分析定量数据是否与某个数字有着显著的差异性,比如五级量表,3分代表中立态度,可以使用单样本t 检验分析样本的态度是否明显不为中立状态;系统默认以0分进行对比。
2.分析前提
单样本t检验要求两组数据满足正态性检验；其说明与独立样本t检验大致一样。
3.SPSSAU操作
（1）登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。
（2）拖拽分析项
在“通用方法”模块中选择“单样本t检验”方法，将分析项拖拽到右侧分析框中，输入对比数字，点击“开始分析”即可。
（3）对比数字
输入对比数字，默认是0，如下图：
4.SPSSAU分析
（1）单样本t 检验分析结果
从上表可以看出：14岁女孩身高全部均呈现出显著性(p<0.05)，意味着14岁女孩身高共1项的平均值均与数字150.0有着统计意义上的差异。具体分析可知：14岁女孩身高共1项，它们的平均值会明显的低于数字150.0。
（2）效应量指标
5.其他说明
（1）关于效应量(effect size)说明?
当呈现出显著差异性(前提)时,可分析差异,同时还可以分析差异幅度(即效应量) (提示:效应量分析为可选，只有深入研究时才需要分析);
单样本t 检验分析时,通常使用Cohen's d 值表示效应量,其计算公式为:Cohen's d =差值绝对值 / 标准差;
Cohen's d 值介于0~1之间，该值越大说明差异幅度越大，具体如下：
0 < Cohen's d <=0.2时，说明效应较小(差异幅度较小);
0.2 < Cohen's d <=0.8时，即 0.5附近时，说明效应中等(差异幅度中等);
Cohen's d > 0.8时，说明效应较大(差异幅度较大)。
（2）t检验结果中出现null值？
结果中出现null值，多是由于数据格式错误或某一组数据只包含一个样本（n=1），导致算法无法计算出指标值。
四、总结
以上就是t检验分析步骤汇总流程，无论配对t检验还是独立样本t检验，都只适用于两组数据的对比，如果数据超过两组，需要使用方差分析。
以上就是本次分享的内容，登录SPSSAU官网了解更多。
标签：分析,数据,Cohen,样本,检验,选择,哪种,配对 来源： https://www.cnblogs.com/spssau/p/16195488.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。