在生物医药统计分析中，不同组别间的差异分析是最常用，也是使用最多的统计方法。、
因变量为连续变量，且符合正态分布的数据要分析不同组别间的差异时，在SPSS中用到的统计方法是：独立样本t检验与单因素方差分析。
下面来看今天的实际案例：以下是45名患者的年龄数据，以及他们的血型分组和MRS分组。血型分为A/B/AB/O型，MRS分为生存和死亡2组（图1），这里我们已经检验了年龄在血型和MRS分组上的正态性，均是符合正态的，具体方法在之前的文章里有详细讲解，这里不再赘述。注意一定要符合正态分布的数据才能使用我们今天所讲的这2种方法。
图1
1. 独立样本t检验
独立样本t检验，适用于符合正态分布的连续型因变量，在只有2种不同分组的组别上比较差异，也就是这里的年龄在不同MRS分组上是否存在显著的差异。
操作步骤：
①点击“分析”-“比较平均值”-“独立样本t检验”（图2）
图2
②在弹出的窗口中，将“年龄”选入“检验变量”框内，将“MRS”分组选入“分组变量”栏内，并点击“定义组”设置分组编码（图3），设置好后，点击确定。
图3
③结果分析
图4
由上表可以看出：MRS存活组的年龄为：54.32±8.84，MRS死亡组的年龄为58.70±14.28，而统计量则看上图中莱文方差等同性检验的显著性，如果这个显著>0.05，则采用上图中蓝色的T和P，反之则采用绿色。这里0.008<0.05，所以我们采用绿色的T和P值。t=-1.242，P=0.222>0.05，说明存活组的年龄和死亡组的年龄之间的差异不显著。
2. 独立样本t检验
单因素方差分析，适用于符合正态分布的连续型因变量，在有大于2种以上不同分组的组别上比较差异，也就是这里的年龄在不同血型分组上是否存在显著的差异。
操作步骤：
①点击“分析”-“比较平均值”-“单因素ANOVA检验”（图5）
图5
②在弹出的窗口中，将“年龄”选入右侧“因变量列表”，再将“血型”选入右侧“因子”框内（图6），再点击右侧“选项”按钮，勾选“描述性”和“方差齐性检验”（图7），最后点击确定
图6
图7
③结果分析
图8
由上图可以看出：4组不同血型的年龄描述，均值，标准差在描述表里，就不再赘述，ANOVA表里看出，统计量F=7.882，P=0.000<0.05，说明四种血型的年龄差异显著，但是具体是哪组和哪组之间的差异显著，我们这里就需要4组之间两两多重比较，而两两比较之前需要看上图中方差齐性检验表中的显著性，若大于0.05，则选用LSD多种比较，否则选用塔姆黑尼（T2），具体操作为，在上面的图6界面中，点击右侧“事后比较”，在弹出的界面中，勾选“塔姆黑尼”，后再次运算。
图9
由上面的多重比较表可以看出：A型血组的患者的年龄显著高于B和O，而B、O与AB之间的差异不显著，从大到小排序就为A>AB>B>O。这样比较后各组之间的差异就非常清楚了。
以上就是今天所讲的2种参数类变量的差异分析方法，是最基础也是最常用的。当然除了这2种方法以外，还有更多复杂的方法，例如SPSS多因素方差，或者重复测量的方差分析，这些我们将会在今后的文章中逐一讲解，敬请大家关注！
本期课程就到这里哦，感谢大家耐心观看！每日更新，敬请关注！
【杏花开生物医药统计】微信公众号（xhkdata）
· GraphPad Prism绘制ROC曲线具体操作步骤
· SPSS进行连续型数据的正态分布检验
· SPSS有序Logistic回归的具体操作
· SPSS生存分析在生物医药统计中的应用之COX风险比例回归
· SPSS二元Logistic回归在生物医药统计分析中的应用
· Medcalc软件精准比较多个指标诊断准确率
· SPSS多元线性回归的应用操作及分析
· SPSS和GraphPad如何比较组内和组间差异
· AMOS结构方程进行医学问卷量表分析教程
· SPSS生存分析在生物医药统计中的应用
· GraphPad Prism统计绘图之柱状图、箱式图
· SPSS中对问卷数据进行探索因子分析的详细操作与结果解读
· SPSS问卷数据统计分析之项目分析
· Excel进行线性回归模型分析的操作
· SPSS中常用的参数和非参数检验方法
· ROC曲线在SPSS中的操作及应用
· 一文读懂R语言如何实现逐步回归分析
· R语言中如何绘制散点图和箱线图？
· SPSS中的Variable数据变量类型介绍
· 相关性分析在SPSS中的操作，相关系数含义
· 一文读懂SPSS单因素方差分析及方差分析
· 线性回归决定系数R方的计算方法及具体意义
· 医学和生物统计全过程
· 生物和医学统计中的假设检验
· GraphPad Prism绘制生存曲线详细教程
,
