上一篇文章我们讲解了有关单样本T检验的相关内容(如何使用SPSS进行单样本检验)，其实论文中除了常用到的单样本T检验以外，还有另外一种T检验的方法也是经常用到的统计方法，也就是两独立样本T检验

说到T检验，我们先来回答一个问题：T检验属于单因素分析吗？那么，T检验与单因素方差分析有何关系？一个老师问我说：想分析年龄与SDS变量(抑郁自评量表)是否相关，首先将年龄与SDS做了一个散点图，然后进行线性相关性分析，发现两者是没有关系的，她想是不是把年龄做一个分组(比如，＜30岁、30~60岁、＞60岁)再去看他们之间是不是有相关性(或者说年龄是不是SDS的一个影响因素)，最后的结果可想而知，答案是没有相关性。上面说的这么复杂，简化一下：如何判断x与y是否相关？相关性与否这个结果是否与x的数据的表示方式有关？为了回答这个问题，我们先来看一个例子：

从上图A中可以看出x与y的散点图是没有相关性的(y值不随x值的变化而变化)，也就是x与y没有相关性。如果我们将x分组，也不能改变x与y的关系，这是肯定的。所以上面讲到的年龄与SDS评分之间的关系也是同样道理。那么，如何判断年龄是不是SDS评分的影响因素呢？应该用相关性分析吗？为什么有的论文中用的是t检验呢？比如以下例子：

为什么判断“领导力课程参加与否”是否是RSLQ的影响因素，用的是T检验呢？

其实，单因素分析就包括：T检验、方差分析与卡方检验等；T检验是单因素分析的一种统计学方法。用上面的x与y的例子解释就是：如果一个变量x真的与y相关或者x是y的一个影响因素，那么x的分组之后，组与组之间也应该有差异的。在年龄与SDS评分的关系中，用T检验还是用方差分析，这是与x(年龄)分几组有关系的：如果是两组，则用T检验；如果是三组，则用方差分析。其实两组也是可以用方差分析的，因为方差分析的结果与T检验的结果是一样的。如果两组间比较单因素方差分析和t检验的结果是相同的，单因素方差分析可以对两组以上的分组进行比较，而t检验只能两两比较。

接下来就详细说一下两独立样本T检验

两独立样本T检验(two independent samplest-test)，又称成组 T检验。独立样本T检验跟配对样本T检验的原理是一样的，也是用来看两组数据的平均值有无差异，与配对样本t 检验的区别就在于方案的设计，也就是两个样本是独立的还是配对的。比如，你选取了5男5女，想看男女之间身高有无差异，这样，男的一组，女的一组，这两个组之间的身高平均值的大小比较可用这种方法，因为男样本和女样本是独立的(互不影响)。这个独立样本t检验还会涉及到方差齐性检验，这点需要注意下。如果方差不齐，则要采用校正后的t检验，也就是t'检验。

下面我们举一下例子来演示一下如何用SPSS进行两独立样本T检验：

为研究高年资护士进社区方案实施对高血压患者自我管理能力变化的影响，某医院用16名社区高血压患者进行同期随机对照试验。研究者将这些患者随机等分到试验组(实施高年资护士进社区方案)和对照组(不实施高年资护士进社区方案)，分别测得试验开始前和试验8周时的高血压患者自我管理能力得分，高血压患者自我管理能力得分提高值如SPSS中所示，能否认为高年资护士进社区方案可以提高高血压患者自我管理能力？

该研究将数据资料分为两组，每组都有8个数据，需要测定的指标为高血压患者自我管理能力得分提高值，因此属于两组设计的定量资料。

若要比较高年资护士进社区方案实施对高血压患者自我管理能力变化的影响，则需要检验两组间的总体均数差值是否存在显著性差异。若两组数据相互独立、总体方差具有齐性并且两总体均服从正态分布，则可以选用两独立样本的t检验对问题进行分析。

具体步骤为：

1.正态性检验

将数据导入到SPSS中(注意：输入数据时，要重新定义分组变量，相同处理的归为一组)，然后对数据进行正态性检验。

将得分提高值放入因变量列表，分组放入因子列表；点击图，出现右侧对话框，勾选含检验的正态图。

点击确定。

由结果可以看出，两种检验的P值均大于0.05，因此不能拒绝原假设，认为数据服从正态分布。

2.两独立样本T检验

将得分提高值放入检验变量，分组放入分组变量，点击定义组，设置指定组值。

点击选项，出现如下对话框，它们各自的作用在单样本t检验中已经介绍过，根据需要设置置信区间的百分比以及采用哪种方式对缺失值进行处理。

3.结果解读

(1)组统计

表格中显示了不同分组的个案数、平均值、标准差和标准误差平均值。

(2)独立样本检验

在进行t检验前要先进行方差齐性检验，判断两样本方差是否相等。方差相等时t检验看第一行，方差不等时看第二行。

方差齐性检验通常是通过F检验来实现的。

由结果可以看出，F=0.109，P=0.746>0.05，因此不能拒绝原假设，认为方差是相等的。方差相等，所以t检验看第一行，t=4.854，P=0.000<0.05，因此拒绝原假设，认为高年资护士进社区方案可以提高高血压患者自我管理能力。

将核心基本统计量值：平均数、标准差、t值、p值等写到论文中即可。(p值还是按照“大同小异”来判断，p＞0.05代表相同，即没有差异；p＜0.05代表不同，即有差异，至于谁大谁小，根据平均值来判断。

我们来看一下两独立样本T检验在论文结果中是怎么体现的：

从表中可以看出，方案实施后，除人际关系维度外，社区护士的护理核心能力总分及其他维度得分均高于实施前，差异具有统计学意义(P＜0.05)。

# 知识延伸：

数据的正态性检验通常会因为样本量的大小程度而产生一定的误差，所以，实际操作中我们要采取多种方法综合判断，前面我们也讲过如何对数据进行正态性检验(如何使用SPSS对数据进行正态性检验)。另外，T检验对正态性的稳健性比较强，如果数据只是稍微偏离正态，那么对结果是没有很大影响的；若偏离太大，则应考虑对数据进行变换或采用非参数检验的方法。

参考文献：

[1] 任海燕,宋瑰琦,韦学萍,李敏,程超,倪倩倩,张筠莉,吴玲玉.综合医院高年资护士进社区方案的构建与实践[J].中华护理杂志,2018,53(10):1174-1178.

声明

本文所用部分素材来源于网络

如涉及版权问题，请联系小编删除

原创内容，欢迎转载

(σﾟ∀ﾟ)σ..:*☆哎哟不错哦！！