IBM SPSS Statistics的比較平均值分析法屬于參數(shù)型的檢驗法，是以已知總體分布的前提下，檢驗樣本數(shù)據(jù)與總體數(shù)據(jù)的差異，其中包含了平均值、單樣本T檢驗、獨立樣本T檢驗、配對樣本T檢驗以及單因素ANOVA檢驗的分析方法。

其中，單樣本T檢驗、獨立樣本T檢驗、配對樣本T檢驗都是運用T分布理論來分析差異發(fā)生的概率，從而比較兩個平均數(shù)的差異是否顯著的分析方法。那么，這三種T檢驗的分析方法有什么不同呢？

圖1：SPSS比較平均值

一、檢驗的目的不同

單樣本T檢驗、獨立樣本T檢驗、配對樣本T檢驗這三種比較平均值的T檢驗方法，其關(guān)鍵的不同點是檢驗數(shù)據(jù)的目的不同。

相比于其他兩種T檢驗方法，單樣本T檢驗就顯得比較簡單了。其原理是運用樣本數(shù)據(jù)的平均值與一個常數(shù)檢驗值相比較，以檢驗樣本數(shù)據(jù)與檢驗值是否有差異，常用于檢驗樣本數(shù)據(jù)是否符合標準值等研究目的，比如抽取樣本身高值是否符合標準值、抽取的樣本中含水量是否符合標準含水量等。

在圖2所示的單樣本T檢驗例子中，抽取了部分初中生的身高樣本數(shù)據(jù)，以153為檢驗值，檢驗身高樣本平均值與153的檢驗值是否有顯著性差異，結(jié)果表明樣本身高均值與檢驗值有顯著性差異。

圖2：單樣本T檢驗結(jié)果

相對比于單樣本T檢驗，獨立樣本T檢驗與配對樣本T檢驗的研究目的就比較相似，但也有不同。兩者研究的不同點在于，獨立樣本T檢驗研究的是兩組個案的均值數(shù)據(jù)差異，而配對樣本T檢驗研究的是兩個配對變量的均值數(shù)據(jù)差異。

比如，如圖3所示的飲用不同類型牛奶后的獨立樣本T檢驗例子，研究的是兩個個案組分別飲用牛奶A、牛奶B后的身高均值差異，從其顯著性數(shù)值可以看到，兩組個案的身高均值無差異。

圖3：獨立樣本T檢驗結(jié)果

而配對樣本T檢驗則更加側(cè)重于比較兩個配對變量的均值是否有差異。比如，如圖4所示，研究個案在飲用牛奶前與飲用牛奶后的身高數(shù)據(jù)，結(jié)果表明，飲用牛奶后的身高均值顯著高于飲用牛奶前的身高均值。

圖4：配對樣本T檢驗結(jié)果

二、使用的數(shù)據(jù)類型不同

鑒于檢驗?zāi)康牟煌�，這三種T檢驗方法使用的數(shù)據(jù)類型也不同。

如圖5所示，單樣本T檢驗使用的是單變量數(shù)據(jù)，同時還需要使用一個檢驗值作比較。

圖5：單樣本T檢驗的數(shù)據(jù)格式

而獨立樣本T檢驗使用的是兩組個案的數(shù)據(jù)，同時，還需要通過數(shù)值型編碼標識個案。

圖6：獨立樣本T檢驗的數(shù)據(jù)格式

配對樣本T檢驗使用的是兩組變量的數(shù)據(jù)。一組配對樣本T檢驗中可包含多組配對變量，但各組配對變量需一一對應(yīng)地配對。

圖7：配對樣本T檢驗的數(shù)據(jù)格式

三、小結(jié)

綜上所示，單樣本T檢驗適合用于研究樣本數(shù)據(jù)是否符合標準值的情況；獨立樣本T檢驗適合用于研究兩組個案的均值是否有差異的情況；配對樣本T檢驗適合用于檢驗兩組變量均值是否有差異的情況。

大家可根據(jù)實際情況選取合適的檢驗方法，需要注意的是，以上三種T檢驗法均屬于參數(shù)檢驗法，是在總體分布已知的情況下使用的。