spss数据分析做效度检验(SPSSAU数据分析)(1)

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。

spss数据分析做效度检验(SPSSAU数据分析)(2)

独立样本t检验

spss数据分析做效度检验(SPSSAU数据分析)(3)

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

spss数据分析做效度检验(SPSSAU数据分析)(4)

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:

spss数据分析做效度检验(SPSSAU数据分析)(5)

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。

spss数据分析做效度检验(SPSSAU数据分析)(6)

(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。

spss数据分析做效度检验(SPSSAU数据分析)(7)

5.SPSSAU分析

背景:研究不同性别群体对网购满意度是否有差异。

(1)t 检验分析结果

spss数据分析做效度检验(SPSSAU数据分析)(8)

从上表可以看出:不同性别样本对于网购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网购满意度均有着差异性。具体分析可知:性别对于网购满意度呈现出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:不同性别样本对于网购满意度全部均呈现出显著性差异。

spss数据分析做效度检验(SPSSAU数据分析)(9)

(2)柱形图

spss数据分析做效度检验(SPSSAU数据分析)(10)

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

spss数据分析做效度检验(SPSSAU数据分析)(11)

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

spss数据分析做效度检验(SPSSAU数据分析)(12)

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:

spss数据分析做效度检验(SPSSAU数据分析)(13)

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。

spss数据分析做效度检验(SPSSAU数据分析)(14)

(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。

spss数据分析做效度检验(SPSSAU数据分析)(15)

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

spss数据分析做效度检验(SPSSAU数据分析)(16)

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

spss数据分析做效度检验(SPSSAU数据分析)(17)

spss数据分析做效度检验(SPSSAU数据分析)(18)

(3)结果的详细格式

spss数据分析做效度检验(SPSSAU数据分析)(19)

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

spss数据分析做效度检验(SPSSAU数据分析)(20)

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。

spss数据分析做效度检验(SPSSAU数据分析)(21)

(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。

spss数据分析做效度检验(SPSSAU数据分析)(22)

(3)对比数字

输入对比数字,默认是0,如下图:

spss数据分析做效度检验(SPSSAU数据分析)(23)

4.SPSSAU分析

(1)单样本t 检验分析结果

spss数据分析做效度检验(SPSSAU数据分析)(24)

spss数据分析做效度检验(SPSSAU数据分析)(25)

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

spss数据分析做效度检验(SPSSAU数据分析)(26)

spss数据分析做效度检验(SPSSAU数据分析)(27)

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。

,