
SPSS详细教程 | 配对样本的t检验
1、问题与数据
某研究使用克矽平治疗矽肺病患者10名,分别测得治疗前、后患者的血红蛋白含量(g/dL),数据如下。试问该药对矽肺患者的血红蛋白含量有无影响?
整个数据资料涉及1组患者(共10名),每名患者有治疗前、后2个数据,采用自身前后对照设计,测量指标为血红蛋白含量,因此属于配对设计的定量资料。
要想知道克矽平对血红蛋白的含量有无影响,则要比较治疗前、后血红蛋白含量的差异是否有统计学意义。若2组数据服从正态分布的要求,可选用配对样本的t检验。
3、SPSS分析方法
(1)数据录入SPSS
(2)选择Analyze→Compare Means→Paired-Samples T Test
(3)选项设置
主对话框设置:分别把“before”和“after”变量放入Paired Variables框中的Variable1和Variable2(Pair 1)→OK
4、结果解读
Paired Samples Statistics表格给出了治疗前、后血红蛋白含量的部分统计信息,包括均数(Mean)、配对数(N)、标准差(Std. Deviation)和样本均数的标准误(Std. Error Mean)。
Paired Samples Correlations 表格给出了治疗前、后血红蛋白含量的相关系数(Correlation),为0.676,P(Sig.)=0.032,具有相关关系。
Paired Samples Test表格给出了统计检验的结果。Mean为治疗前、后血红蛋白差值的均数,Std. Deviation为差值的标准差,Std. Error Mean为差值均数的标准误,95% Confidence Internal of the Difference(Lower,Upper)为差值均数的95%可信区间。t=-0.531,P(Sig.(2-tailed))=0.609 >0.05,差异无统计学意义。
5、撰写结论
使用克矽平治疗前,矽肺患者的血红蛋白含量为(13.4±1.3)g/dL,治疗后的血红蛋白含量为(13.6±1.0)g/dL,尚不能认为克矽平对矽肺患者的血红蛋白含量有影响(t=-0.531,P=0.609)。
6、配对样本t检验的适用情况
(1)同一研究对象给予处理前、后比较;
(2)同一研究对象给予不同处理比较;
(3)不同研究对象配对后,随机接受不同处理比较。
7、延伸阅读
本研究拟分析克矽平对血红蛋白含量的影响,实质上是将治疗前、后血红蛋白的差值作为分析指标,判断差值的总体均数是否为零,即分析差值与0相比是否有统计学意义。如果差异具有统计学意义,则表示血红蛋白含量有变化。因此,在SPSS软件中我们也可以生成一个治疗前、后血红蛋白的差值变量(dif=after-before),进行单样本均数的t检验(总体均数为0)。
结果如下:t=0.531,P=0.609
>0.05,尚不能认为克矽平对矽肺患者的血红蛋白含量有影响,与配对t检验结果一致。(t值相差一个负号是由于二者的差值计算公式刚好相反,如果配对t检验中,Paired
Variables框先放“after”,再放“before”,则t值结果相等)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29