T檢驗，亦稱student t檢驗（Student's t test），主要用於樣本含量較小（例如n < 30），總體標準差σ未知的正態分布。 T檢驗是用t分布理論來推論差異發生的概率，從而比較兩個平均數的差異是否顯著。它與f檢驗、卡方檢驗並列。t檢驗是戈斯特為了觀測釀酒質量而發明的,並於1908年在Biometrika上公布。
那麼如何用SPSS做T檢驗呢，看一下下面的做法吧~
1.單樣本T檢驗，我們要做的其實主要就是求數據的置信區間以及數據是否有顯著性差異，而我們生物醫學上面基本都是要求95%的置信區間的，當然有一些特殊情況下面，這個區間也是會變的，首先，我們先導入數據樣本，小編會以「身高」為例，求取身高的這個區間以及確定它是否有顯著性差異。
2.導入數據樣本之後，執行「分析-比較均值-單樣本T檢驗（s）」，這個時候我們會看見一個彈出窗口，我們講「升高（SG）」作為變量，進行設定，同時點擊「選項」將置信百分比設置為95%，點擊繼續-確定。
3.確定之後，系統會分析出結果，我們會發現升高p（sig）<0.05,這個就說明這組數據不是正態分布，是存在顯著性差異的，而這組數據的置信區間就是（141，144）【就是（下限，上限），如圖】
配對樣本T檢驗
1.這個數據我們一般都是比較同組數據前後的數據差異，當然還有其他情況，但是總是這兩組樣本都不是相互獨立的，而且是必須服從正態分布的，這樣才能進行分析，首先，我們先導入樣本數據【例子不是前後對照】。
2.導入數據之後，我們執行「分析-比較均值-配對樣本T檢驗（P）」,這個時候彈出一個窗口，我們講前後樣本分布移動至如圖的位置，同時點擊「選項」選著95%的置信百分比。點擊繼續-確定。
3.
4.確定之後，系統分析數據，第一個表的p（sig）>0.05,說明兩組直接無相關關係，而第二個表間p<0.05，說明其兩組數據之間有顯著性差異。【具體分析都得以得出的數據為參考哦】
END
獨立樣本T檢驗
1.獨立樣本T檢驗可以說是需要的要求比較多的，首先我們的數據是得服從正態分布的，首先，導入樣本數據，我們可以看到樣本中的兩組數據「性別和工資」。
2.但是我們會發現，性別是數字標記的，很多人可能會對其不習慣，我們可以設置轉換一下，首先點擊「性別」進入「變量視圖」，我們點擊「值」將「1設置為男」「2設置為女」【這個性別都是有具體數據的不能亂設定哦】，設置好之後確定，點擊轉換，數字就變成男女文字了【轉換按鈕在圖片上面有標記】
3.基礎數據處理好之後，執行「分析-比較均值-獨立樣本T檢驗（T）」,彈出窗口，將」工資「設定為檢驗變量，」性別「設為分組變量，同時點擊定義組，設置組1，組2【組1就是男的數據組，組2就是女的數據組】，點擊繼續-確定。
4.確定之後，我們就得出數據，而我們的獨立樣本必須服從方差齊性，如果方差不齊性，那麼就得用T"檢驗，所以，我們開始分析這組數據，第二個表上面P(sig)<0.05,說明他的方差不相等，這個就說明我們得選用T"檢驗，所以，我們得選第二行的數據值。
5.當然啦，如果第二個表上面P(sig)>0.05,說明他的方差相等，這個就說明我們得選用T檢驗，那麼，我們就得選著第二個表的第一行的數據值。
END
碧茂課堂精彩課程推薦：
1.Cloudera數據分析課；
2.Spark和Hadoop開發員培訓；
3.大數據機器學習之推薦系統；
4.Python數據分析與機器學習實戰；
詳情請關注我們公眾號：碧茂大數據-課程產品-碧茂課堂
現在註冊互動得海量學幣，大量精品課程免費送！