假設(shè)有這樣一則報道，某高校學(xué)生平均每天學(xué)習(xí)時間2.5小時。調(diào)查該高校16個學(xué)生的學(xué)習(xí)時間，能否驗證報道的正確性。學(xué)過一點數(shù)學(xué)的人大概率會說，樣本量不足，偶然性很大不能夠驗證。但統(tǒng)計學(xué)家已經(jīng)解決了這個問題，通過16個學(xué)生學(xué)習(xí)時間可以驗證該高校學(xué)生學(xué)習(xí)時間是否是2.5小時，這就是著名T檢驗。T檢驗主要是通過兩組樣本的差異性，來判斷數(shù)據(jù)的真?zhèn)巍?/span>

T檢驗，又稱Student T檢驗（Student’s test），主要是用于樣本含量較小，總體標(biāo)準(zhǔn)差未知的正態(tài)分布（中間值數(shù)量多，較大值和較小值數(shù)量都少的數(shù)學(xué)分布）。T檢驗是用T分布理論來推理出差異發(fā)生的概率，從而比較兩個平均數(shù)的差異是否顯著。在統(tǒng)計學(xué)中要通過復(fù)雜冗長的數(shù)學(xué)公式來進(jìn)行T檢驗，但在IBM SPSS Statistics中能夠通過簡單操作進(jìn)行T檢驗。本文將帶著大家用IBM SPSS Statistics進(jìn)行T檢驗實操。

1、數(shù)據(jù)展示

既然上文舉了學(xué)習(xí)時間的例子，那我們就用學(xué)生學(xué)習(xí)時間來進(jìn)行T檢驗。如圖1所示有16個學(xué)生的學(xué)習(xí)時間。

圖1：數(shù)據(jù)展示

2、菜單位置

依次點擊菜單欄中的‘分析’按鈕和下級菜單中的‘比較平均值按鈕’會出現(xiàn)三個不同類別的T檢驗。這三個T檢驗各有各的用處，單樣本T檢驗適用于本文中的案例，即已知平均值要想探究樣本與平均值的差異。獨立樣本T檢驗，適用于兩組不同數(shù)據(jù)樣本，最常見的是男生女生兩組數(shù)據(jù)我們分析他們的差異性。成對樣本T檢驗，也是適用于兩組不同的數(shù)據(jù)樣本，不過這兩組數(shù)據(jù)樣本是要有關(guān)聯(lián)的，通常是實驗前的一組數(shù)據(jù)樣本和實驗后的一組數(shù)據(jù)樣本。

圖2：菜單欄位置

3、選中檢驗變量

本文中的案例只有學(xué)習(xí)時間這一個案例，第一步選中每天學(xué)習(xí)時間，第二步將該變量加入到檢驗變量欄中，第三步編輯檢驗值。

圖3：選擇檢驗變量

4、讀取最終結(jié)果

圖4中的報告是數(shù)學(xué)均值還有標(biāo)準(zhǔn)差，很多軟件都可以得出，我們來重點講解一下圖5

圖4：單樣本統(tǒng)計

第一欄中的t與檢驗的差異性有關(guān)，t的絕對值越大表示樣本與校驗值的差異越大，第二欄中的自由度則表示樣本總數(shù)減一（樣本總數(shù)是16），第三欄中的顯著性的取值范圍能反映真實學(xué)習(xí)時間與檢驗值之間的關(guān)系，當(dāng)顯著性大于0.05時候說明真實學(xué)習(xí)時間大于2.5小時，當(dāng)顯著性小于-0.05時說明學(xué)習(xí)時間小于2.5小時。置信區(qū)間默認(rèn)95%，平均值差值是與填寫的校驗值之差。

圖5：單樣本檢驗報告

除了單樣本T檢驗，還有獨立樣本T檢驗和成對樣本T檢驗。后兩者和單樣本T檢驗的流程都差不多，原理也在本文中也有闡述，如果遇到相應(yīng)的情況模仿本文的操作即可。