T检验过比较不同数据的均值，研究两组数据之间是否存在差异。可以分为三种，分别是单样本T检验、配对样本T检验、独立样本T检验。

独立样本t检验

1.研究场景

独立样本t 检验用于分析定类数据与定量数据之间的关系情况。例如研究人员想知道两组学生的智商平均值是否有显著差异。t 检验仅可对比两组数据的差异,如果为三组或更多,则使用方差分析。如果刚好仅两组,建议样本较少(低于100时)使用t 检验,反之使用方差分析。

2.数据格式

独立样本t 检验是研究2组数据的差异，比如不同性别时满意度的差异。数据格式中需要有组别X（比如性别）和分析项Y（比如满意度）。

有时候数据格式中只有2列，而没有组别，比如实验组和对照组。那么就需要对数据进行改造，自己加入一列‘组别’，然后把数据重叠起来得到分析项Y，类似如下图：

3.分析前提

（1）正态性检验

独立样本t检验要求两组数据满足正态性检验；正态性检验的方法有很多，例如：正态性检验、直方图、P-P图/Q-Q图等。

补充说明：独立样本t检验具有一定的耐受性，如果数据只是稍稍偏离正态，结果仍然是稳定的，但是如果数据严重偏离，此时均数不能很好的代表数据的集中趋势，这种情况下最好考虑采用变量转化（其中包括：取对数，开根号，BoxCOX变换等）或者使用非参数检验：MannWhitney检验（SPSSAU通用方法->非参数检验）。

（2）方差齐性检验

对于独立样本t检验，除了要满足正态性，还需要满足方差齐的前提条件。即方差齐的情况下，才可以使用t检验。在做t检验时，SPSSAU会自动完成方差齐检验，并根据检验结果，自动判断结果输出哪一种结果，因此研究者不需要再单独检验方差齐性。

4.SPSSAU操作

（1）登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。

（2）拖拽分析项

在“通用方法”模块中选择“t检验”方法，将X定类变量（仅两组）放于上方分析框内，Y定量变量放于下方分析框内，点击“开始分析”即可。

5.SPSSAU分析

背景：研究不同性别群体对**满意度是否有差异。

（1）t 检验分析结果

从上表可以看出：不同性别样本对于**满意度全部均呈现出显著性(p<0.05)，意味着不同性别样本对于**满意度均有着差异性。具体分析可知：性别对于**满意度呈现出0.01水平显著性(t=-13.816，p=0.000)，以及具体对比差异可知， 女的平均值(0.50)，会明显低于男的平均值(1.63)。总结可知：不同性别样本对于**满意度全部均呈现出显著性差异。

（2）柱形图

从柱形图中具体对比差异可知， 女性的平均值(0.50)，会明显低于男性的平均值(1.63)。

（3）效应量指标

如果t检验显示呈现出显著性差异(p<0.05),可通过平均值对比具体差异,同时还可使用效应量(Effect size)研究差异幅度情况；

第一：t检验时使用Cohen's d 值表示效应量大小(差异幅度大小)，该值越大说明差异越大；第二：t检验使用Cohen's d 值表示效应量大小时，效应量小、中、大的区分临界点分别是:0.20，0.50和0.80；第三：Cohen's d 值计算公式为差值的绝对值/标准差，标准差=Sqrt(联合方差)。

6.其他说明

（1）提示X的组别只能为两组(比如男和女)!？

t 检验的原理就是对比两组数据，因此X的数据中只能且一定包括两个数字。如果出现此提示，建议使用频数分析进行检查。如果是多数的差异对比应该使用方差分析。当然如果一定要使用t 检验，可使用‘筛选样本’功能，筛选出两组后进行分析即可。

（2）t检验（独立样本t检验）两组样本需不需要一致？

独立样本t检验对样本量没有要求，而配对样本T检验则要求两组样本量一定相等，两组样本需要有对应的关系。

配对t检验

1.研究场景

配对t 检验,用于配对定量数据之间的差异对比关系.例如在两种背景情况下(有广告和无广告);样本的购买意愿是否有着明显的差异性;配对t 检验通常用于实验研究中。

2.数据格式

配对数据的格式相对较为特殊，包括配对t 检验，或者配对卡方等。比如实验组和对照组数据的差异。如下图：

配对数据一般是在实验时使用，而且配对数据的特点为：行数一定完全相等并且只有两列。如果研究数据的行数不相等，那可能不是配对数据，如果还想对比差异，可能需要使用独立t 检验。独立t 检验和配对t 检验的数据格式不一样，需要特别注意。

3.分析前提

配对t检验要求两组数据满足正态性检验；其说明与独立样本t检验大致一样。

4.SPSSAU操作

（1）登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。

（2）拖拽分析项

在“通用方法”模块中选择“配对t检验”方法，将配对1（定量）放于上方分析框内，配对2（定量）变量放于下方分析框内，点击“开始分析”即可。

5.SPSSAU分析

背景：以体育疗法治疗高血压，10个高血压患者在施以体育疗法前后测定舒张压，研究体育疗法对高血压是否有效。（案例来源于：SPSS统计分析 第5版）

（1）配对t 检验分析结果

从上表可以看出：总共1组配对数据，均会呈现出差异性(p<0.05) 。具体分析可知：治疗前舒张压和治疗后舒张压之间呈现出0.01水平的显著性(t=5.639，p=0.000)，以及具体对比差异可知，治疗前舒张压的平均值(119.50)，会明显高于治疗后舒张压的平均值(102.50)。

（2）效应量指标

（3）结果的详细格式

对比差异可知，治疗前舒张压的平均值(119.50)，会明显高于治疗后舒张压的平均值(102.50)。治疗前舒张压和治疗后舒张压之间呈现出0.01水平的显著性(t=5.639，p=0.000)。

6.其他说明

关于效应量(effect size)说明：

配对t 检验分析, 当呈现出显著差异性(前提)时,可分析差异,同时还可以分析差异幅度(即效应量) (提示:效应量分析为可选，只有深入研究时才需要分析);

配对t 检验分析时,通常使用Cohen's d 值表示效应量,其计算公为:Cohen's d =|M1-M2| / S，即差值绝对值 / 标准差；具体说明如下：

（1）Cohen's d 值介于0~1之间，该值越大说明差异幅度越大;

（2）< Cohen's d <=0.2时，说明效应较小(差异幅度较小);

（3）0.2 < Cohen's d <=0.8时，即 0.5附近时，说明效应中等(差异幅度中等);

（4）Cohen's d > 0.8时，说明效应较大(差异幅度较大)。

单样本t检验

1.研究场景

单样本t 检验用于分析定量数据是否与某个数字有着显著的差异性,比如五级量表,3分代表中立态度,可以使用单样本t 检验分析样本的态度是否明显不为中立状态;系统默认以0分进行对比。

2.分析前提

单样本t检验要求两组数据满足正态性检验；其说明与独立样本t检验大致一样。

3.SPSSAU操作

（1）登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。

（2）拖拽分析项

在“通用方法”模块中选择“单样本t检验”方法，将分析项拖拽到右侧分析框中，输入对比数字，点击“开始分析”即可。

（3）对比数字

输入对比数字，默认是0，如下图：

4.SPSSAU分析

（1）单样本t 检验分析结果

从上表可以看出：14岁女孩身高全部均呈现出显著性(p<0.05)，意味着14岁女孩身高共1项的平均值均与数字150.0有着统计意义上的差异。具体分析可知：14岁女孩身高共1项，它们的平均值会明显的低于数字150.0。

（2）效应量指标

5.其他说明

（1）关于效应量(effect size)说明?

当呈现出显著差异性(前提)时,可分析差异,同时还可以分析差异幅度(即效应量) (提示:效应量分析为可选，只有深入研究时才需要分析);

单样本t 检验分析时,通常使用Cohen's d 值表示效应量,其计算公式为:Cohen's d =差值绝对值 / 标准差;

Cohen's d 值介于0~1之间，该值越大说明差异幅度越大，具体如下：

0 < Cohen's d <=0.2时，说明效应较小(差异幅度较小);

0.2 < Cohen's d <=0.8时，即 0.5附近时，说明效应中等(差异幅度中等);

Cohen's d > 0.8时，说明效应较大(差异幅度较大)。

（2）t检验结果中出现null值？

结果中出现null值，多是由于数据格式错误或某一组数据只包含一个样本（n=1），导致算法无法计算出指标值。

总结

以上就是t检验分析步骤汇总流程，无论配对t检验还是独立样本t检验，都只适用于两组数据的对比，如果数据超过两组，需要使用方差分析。