在日常的临床研究或者科研中，统计分析往往必不可少，之前也讲过一些统计相关的内容，主要通过R实现，SPSS作为一个非常实用的统计分析工具，不需要编程基础，实现一些简单的统计是非常有用的。关于SPSS的讲解主要以实战操作为主。

单样本T检验

适用条件：样本数据符合正态分布，不符合时应采用非参数检验；但当样本量较大时数据略呈偏态分布也可以分析。

操作流程：分析—比较平均值—单样本t检验

设置检验变量，及知晓的检验值，点击确定。

结果展示与解读

第一步：三个核心基本统计量读取（样本量、平均数和标准差）

第二步：找t值和P值，发现P

因此，可认为本组数据的体重要高于一般个体的体重。

两独立样本T检验

适用条件：（1）独立性：两组数据来自的总体相互独立；（2）正态性：两组数据应该符合正态分布；（3）方差齐性：要求非常严格，方差不齐要校正

操作流程：分析—比较平均值—独立样本t检验

将效应指标放入检验变量框中，分组变量完成选中及定义，点击确定。

结果展示与解读

第一步：首先获取两组数据的三个核心基本统计量（样本、均数、标准差）；

第二步：方差齐性（F和P），统计上采用levene方差齐性检验进行判定两个分布是否相同。上图显示P

但这种情况也还是可以校正，并进行相关规则的调整，比如将两组数据的权重适当调整，进行校正的两独立样本t'检验。

第三步：t检验（t和P）：此部分有两行，各有一个t值和P值，如何选择呢？

第一行的结果为方差齐的结果；第二行的结果为方差不齐进行校正的结果；本例应该看第二行的结果。

配对样本T检验

应用条件：（1）如果想知道某组数据（治疗前后、干预前后）是否有效，那么属于配对设计，应该采用配对t检验；（2）如果想知道不同的干预方式的结果是否有差别，可以先计算两组数据干预前后的差值，然后采用两独立样本t检验进行两组干预效果比较；还可以采用协方差分析，将干预前积分当做协变量进行方差分析。

配对样本t检验是配对的两组数据相减变成一组数据，然后去和已知总体0比较，其实就是转化为单样本t检验做的。主要包括四种类型：干预前后配对、同一受试对象身体不同部位配对、条件配对和同一份标本不同检测方法配对。检测的两组数据之间存在相关性而不独立。

操作流程：分析—比较均值—配对样本t检验

将干预前后先后放入有变的配对框，配成1对，然后点击“确定”输出计算结果。

结果解读：

第一步：三核心，获取干预前后的样本量、均数和标准差。上图主观感受数据有干预效果，但还有待假设检验进行验证；

第二步：看相关，本步并不是必须展示的结果，从统计的角度，本步相关的计算是为了验证配对数据的一致性，用以说明干预措施作用的稳定性或一致性。

第三步：找t和P，本例的数据P

如您觉得内容不错，对您有帮助，欢迎个人收藏，点击在看或者打赏及分享！感谢您的支持。

其它任何媒体、网站、平台如需转载或引用，须获得授权。