獨(dú)立樣本T檢驗(yàn)與平均值檢驗(yàn)、單樣本T檢驗(yàn)、配對樣本T檢驗(yàn)均屬于比較平均值的檢驗(yàn)方法。不同的是，獨(dú)立樣本T檢驗(yàn)比較的是兩組個(gè)案的平均值。該檢驗(yàn)需要符合隨機(jī)分布的假定，也就是說，兩組個(gè)案數(shù)據(jù)間的差異無其他人為的影響因素。

需要注意的是，“獨(dú)立樣本T檢驗(yàn)”檢驗(yàn)的是兩組個(gè)案，而不是兩個(gè)變量，因此需要構(gòu)建個(gè)案組數(shù)據(jù)；另外，其分組變量需用數(shù)值標(biāo)識。這兩點(diǎn)在IBM SPSS Statistics軟件操作中需格外注意。

一、打開數(shù)據(jù)文件

本例子檢驗(yàn)的是飲用牛奶A組與飲用牛奶B組的初中生身高平均值是否有顯著性差異。

如圖1所示，示例數(shù)據(jù)展現(xiàn)的是飲用牛奶A與飲用牛奶B兩個(gè)個(gè)案組的身高數(shù)據(jù)，如您使用的數(shù)據(jù)是兩個(gè)變量的變量組數(shù)據(jù)（即包含飲用牛奶A與飲用牛奶B兩個(gè)變量的數(shù)據(jù)），需通過將變量數(shù)據(jù)轉(zhuǎn)換為個(gè)案數(shù)據(jù)后才能進(jìn)行后續(xù)操作。

但另一方面，示例數(shù)據(jù)中的飲用牛奶類型變量使用的是字符串值，我們需要先將字符串轉(zhuǎn)換為數(shù)值，才能進(jìn)行獨(dú)立樣本T檢驗(yàn)。

圖1：示例數(shù)據(jù)

二、為飲用牛奶類型變量重新編碼

如圖2所示，打開IBM SPSS Statistics轉(zhuǎn)換菜單中的“重新編碼為不同變量”。

圖2：重新編碼為不同變量

然后，如圖3所示，將需要重新編碼的“飲用牛奶類型”變量添加到右側(cè)輸出變量方框中，并在名稱輸入框中為其命名為“飲用牛奶類型編碼”。

接著，單擊“舊值和新值”按鈕，匹配舊值與新值。

圖3：設(shè)置輸出變量

如圖4所示，在舊值與新值匹配面板中，分別將飲用牛奶A、飲用牛奶B與數(shù)值1、2相匹配。

圖4：匹配舊值與新值

完成變量的重新編碼后，返回?cái)?shù)據(jù)集，如圖5所示，數(shù)據(jù)中出現(xiàn)了新的變量—飲用牛奶類型編碼。

圖5：完成變量的重新編碼

為了讓重新編碼后的變量值含義更加明確，如圖6所示，我們可以打開變量視圖，編輯變量的值標(biāo)簽。

圖6：編輯變量的值標(biāo)簽

如圖7所示，在值標(biāo)簽設(shè)置面板，分別將值1、2標(biāo)簽為飲用牛奶A、飲用牛奶B。

圖7：設(shè)定標(biāo)簽

如圖8所示，返回變量視圖，可以看到，值標(biāo)簽已經(jīng)編輯完成。

圖8：完成標(biāo)簽設(shè)定

三、應(yīng)用獨(dú)立樣本檢驗(yàn)

完成數(shù)據(jù)的處理后，就可以打開IBM SPSS Statistics的獨(dú)立樣本T檢驗(yàn)功能（分析-比較平均值-獨(dú)立樣本T檢驗(yàn)），正式開啟數(shù)據(jù)的檢驗(yàn)。

圖9：獨(dú)立樣本檢驗(yàn)功能

 上一節(jié)，我們重點(diǎn)講解了IBM SPSS Statistics獨(dú)立樣本T檢驗(yàn)的檢驗(yàn)原理、數(shù)據(jù)要求以及數(shù)據(jù)轉(zhuǎn)換的方法。這部分的內(nèi)容相當(dāng)重要，建議先理解了上一節(jié)內(nèi)容再學(xué)習(xí)本節(jié)的實(shí)例操作。

如圖1所示，可以看到，獨(dú)立樣本T檢驗(yàn)僅包含了檢驗(yàn)變量，因此，需要使用個(gè)案組數(shù)據(jù)進(jìn)行檢驗(yàn)，而其分組變量是作為標(biāo)識兩組個(gè)案使用的。接下來，我們通過示例數(shù)據(jù)學(xué)習(xí)下操作。

圖1：獨(dú)立樣本T檢驗(yàn)

一、選擇變量

首先，了解下設(shè)置面板中的變量概念：

1. 檢驗(yàn)變量，即檢驗(yàn)均值是否存在顯著性差異的變量數(shù)值。

2. 分組變量，即用于標(biāo)識兩組個(gè)案的變量。

本例中，我們需要檢驗(yàn)的是飲用牛奶A組與飲用牛奶B組的平均身高數(shù)據(jù)是否有差異。因此，需要將身高變量添加為檢驗(yàn)變量，將飲用牛奶類型編碼添加為分組變量。

然后，單擊定義組按鈕。

圖2：選擇變量

二、定義組

如圖3所示，在定義組設(shè)置面板，需要設(shè)置個(gè)案組對應(yīng)的編碼數(shù)值，必須是數(shù)值型值。上一節(jié)中，我們已經(jīng)將飲用牛奶類型變量重新編碼為值1、2，因此，可以直接將其與組1、2匹配。

圖3：定義組

三、選項(xiàng)設(shè)置

接著，打開“選項(xiàng)”按鈕，設(shè)置檢驗(yàn)分析的置信區(qū)間，一般情況下，設(shè)置為95%能確保較大的準(zhǔn)確性。同時(shí)，設(shè)置“按具體分析排除個(gè)案”的缺失值處理方式。

圖4：選項(xiàng)設(shè)置

四、分析結(jié)果解讀

完成以上設(shè)置后，運(yùn)行分析，如圖5所示，數(shù)據(jù)中分別包含63個(gè)飲用牛奶A與63個(gè)飲用牛奶B的身高數(shù)據(jù)，從其平均值看到，飲用牛奶A組的身高均值高于飲用牛奶B組的身高均值，但其差異是否顯著還要看顯著性數(shù)據(jù)。

圖5：描述統(tǒng)計(jì)數(shù)值

如圖6所示，從獨(dú)立樣本檢驗(yàn)圖表的數(shù)據(jù)看到，顯著性（雙尾）的數(shù)值0.711大于0.05（95%置信區(qū)間下），不能拒絕原假設(shè)，也就是說，飲用牛奶A組的身高均值與飲用牛奶B組的身高均值無顯著性差異。

圖6：結(jié)果不顯著

以上就是IBM SPSS Statistics獨(dú)立樣本T檢驗(yàn)的應(yīng)用介紹。該功能用于比較兩組個(gè)案的均值差異，可用于驗(yàn)證兩個(gè)對比個(gè)案組的均值數(shù)值是否有顯著性差異，比如用于藥物研究領(lǐng)域，驗(yàn)證兩種藥物有效性是否有差異等。