IBM SPSS Statistics的配對(duì)樣本T檢驗(yàn)與獨(dú)立樣本T檢驗(yàn)相似，都可用于對(duì)比兩個(gè)組的均值差異，不同的是，配對(duì)樣本T檢驗(yàn)對(duì)比的是兩組變量的平均值，計(jì)算的是單個(gè)個(gè)案在兩個(gè)變量的值的差異，檢驗(yàn)其平均差值是否有差異，使用的是變量組的數(shù)據(jù)。

配對(duì)樣本T檢驗(yàn)適用于同一研究對(duì)象測(cè)試前、后的均值對(duì)比、同一研究對(duì)象施于不同方案后的均值對(duì)比等。

一、打開數(shù)據(jù)文件

本文中，我們會(huì)以測(cè)試初中生飲用牛奶前后身高是否有顯著性差異，來演示IBM SPSS Statistics的配對(duì)樣本T檢驗(yàn)的操作方法。

需要注意的是，配對(duì)樣本T檢驗(yàn)使用的是變量組數(shù)據(jù)。如圖1所示，打開兩組初中生身高的數(shù)據(jù)。

圖1：身高變量組數(shù)據(jù)

這兩組身高數(shù)據(jù)有什么區(qū)別呢？如圖2所示，打開數(shù)據(jù)的變量視圖，為初中生身高A、初中生身高B，兩組變量分別標(biāo)簽為飲用牛奶前、飲用牛奶后。

圖2：變量標(biāo)簽

二、應(yīng)用配對(duì)樣本T檢驗(yàn)

接著，依次單擊IBM SPSS Statistics的分析-比較平均值-成對(duì)樣本T檢驗(yàn)，打開配對(duì)樣本T檢驗(yàn)功能。

圖3：成對(duì)（配對(duì)）樣本T檢驗(yàn)功能

如圖4所示，在設(shè)置面板中，我們可進(jìn)行多組配對(duì)變量的分析，一組配對(duì)變量包含兩個(gè)變量組。接下來，使用實(shí)例數(shù)據(jù)演示操作。

圖4：成對(duì)（配對(duì)）樣本T檢驗(yàn)功能設(shè)置面板

1.選擇配對(duì)變量

本例中，我們需要探索的是飲用牛奶前后的初中生身高均值是否有顯著性差異，因此，可分別將飲用牛奶前、飲用牛奶后的變量配對(duì)。

圖5：選擇配對(duì)變量

2.選項(xiàng)設(shè)置

接著，針對(duì)本例中的數(shù)據(jù)使用95%置信區(qū)間檢驗(yàn)差異的顯著性，確保較高的準(zhǔn)確性。缺失值的處理按照默認(rèn)的“按具體分析排除個(gè)案”選項(xiàng)。

圖6：選項(xiàng)設(shè)置

3.解讀分析結(jié)果

完成了以上設(shè)置后，運(yùn)行配對(duì)樣本T檢驗(yàn)，并獲得以下分析結(jié)果。

首先，先看一下配對(duì)樣本統(tǒng)計(jì)數(shù)值，飲用牛奶后的身高均值高于飲用牛奶前的身高均值，但無法確定差異是否有顯著性。

圖7：配對(duì)樣本統(tǒng)計(jì)

接著，觀察配對(duì)樣本的檢驗(yàn)數(shù)據(jù)，其顯著性（雙尾）數(shù)值接近于0，大于0.05（95%的置信區(qū)間），拒絕兩變量間無差異的假設(shè)，即飲用牛奶后的身高均值顯著性高于飲用牛奶前的身高均值。

圖8：配對(duì)樣本檢驗(yàn)