三種T檢驗的詳細區分

2020-11-21 SPSSAU

在之前的文章中SPSSAU已經給大家詳細地介紹了方差分析，之後收到的一些反饋以及日常的答疑中，我們發現關於T檢驗三種方法的區分還有很多小夥伴搞不清楚，所以今天就結合著具體案例來聊聊T檢驗的那些事。

01. 概念

T檢驗是通過比較不同數據的均值，研究兩組數據之間是否存在顯著差異。

02. 分類

不同的T檢驗分析方法適用於不同的分析場景，具體的分類如下：

03. t檢驗的前提條件

無論是單樣本T檢驗、獨立樣本T檢驗還是配對樣本T檢驗，都有幾個基本前提：

1. 樣本數據服從正態或近似正態分布。

獨立T檢驗（也稱T檢驗），要求因變量（y）需要符合正態分布性，如果不滿足，此時可考慮使用非參數檢驗，具體來講應該是MannWhitney檢驗進行研究。

單樣本T檢驗，其默認前提條件是數據需要符合正態分布性，如果不滿足，此時可考慮使用單樣本Wilcoxon檢驗進行研究。

配對樣本T檢驗，其默認前提條件是差值數據需要符合正態分布性，如果不滿足，此時可考慮使用單樣本Wilcoxon檢驗進行研究。其實配對樣本T檢驗與單樣本T檢驗的原理是一模一樣，無非是進行了一次數據相減（即差值）處理而已，因而其和單樣本T檢驗保持一致。

2.T檢驗屬於參數檢驗，用於檢驗定量數據（數字有比較意義的），若數據均為定類數據則應使用卡方檢驗

04. 案例應用

（1）單樣本t檢驗

單樣本T檢驗用於比較樣本數據與一個特定數值之間是否的差異情況。

例如，某公司使用五級李克量表問卷進行員工滿意度調查，『4分』代表滿意，通過單樣本t檢驗分析員工總體滿意程度與「滿意」（4）之間是否存在顯著差異。

分析步驟：

1、上傳數據到SPSSAU

2、點擊【通用方法】→【單樣本T檢驗】，拖拽分析項到右側分析框。

3、在填寫框內輸入對比數字。

4、點擊「開始單樣本T檢驗分析」，即可得到分析結果。

SPSSAU分析界面

分析結果如下：

單樣本T檢驗分析結果

首先判斷p值是否呈現出顯著性，由上表可知，P<0.01，說明統計結果有顯著意義。具體差異根據平均值進行對比，員工總體滿意度平均得分為3.688，在量表中代表「一般」程度，與代表「滿意」的得分4之間存在統計學差異。因此認為總體員工滿意度處於一般水平。

（2）獨立樣本T檢驗（T檢驗）

獨立樣本T檢驗用於分析定類數據（X）與定量數據（Y）之間的差異情況。

獨立樣本T檢驗除了需要服從正態分布、還要求兩組樣本的總體方差相等。當數據不服從正態分布或方差不齊時，則考慮使用非參數檢驗。

比較男生與女生的專業和職業任職得分的均值是否存在顯著差異，可採用獨立樣本T檢驗進行分析。

分析步驟：

1. 選擇【通用方法】→【T檢驗】，拖拽分析項到右側分析框。

2.「性別」放入【X（定類）】框中

3.「職業認知」放入【Y（定量）】框中

4. 點擊「開始T檢驗分析」，即可得到分析結果。

SPSSAU分析界面

分析結果如下：

T檢驗分析結果
柱形圖

從上表可以看出：不同性別樣本對於職業認知呈現出顯著性(P<0.05)，意味著不同性別樣本對於職業認知均有著差異性。

具體分析可知：性別對於職業認知呈現出0.01水平顯著性(t=-37.42，P=0.00)，以及具體對比差異可知， 男的平均值(8.91)，會明顯低於女的平均值(16.25)。

總結可知：不同性別樣本對於職業認知有顯著性差異。

其他說明：

1. 獨立樣本T檢驗僅用於分析兩組數據，比如性別，高分組低分組，實驗組對照組等。如超過兩組比較則使用方差分析

2. 獨立樣本T檢驗用於分析定類數據（X）與定量數據（Y）之間的差異情況。如果X、Y均為定類數據，則使用卡方分析

3. 在進行分析前，首先確保數據格式正確，分析要求將進行對比的兩組數據放在同一列中，同時有一列用來表示數據的組別，正確格式如下：

正確格式

(3) 配對樣本T檢驗

配對樣本T檢驗用於分析配對定量數據之間的差異對比關係。與獨立樣本t檢驗相比，配對樣本T檢驗要求樣本是配對的。兩個樣本的樣本量要相同；樣本先後的順序是一一對應的。

例如，比較在兩種背景情況下(有廣告和無廣告)；樣本的購買意願是否有著明顯的差異性。通過兩組數據的對比分析，判斷背景音樂是否會影響消費行為。

分析步驟：

1、上傳數據至SPSSAU

2、選擇【通用方法】→【配對T檢驗】，將分析項分別拖拽到右側分析框。

3、點擊「開始配對T檢驗分析」，即可得到分析結果。

SPSSAU分析界面

分析結果如下：

配對T檢驗分析結果

從上表可以看出：配對數據，沒有呈現出差異性(P>0.05)。因而說明背景音樂對於消費行為的顯著影響。

*如果呈現出顯著性；具體對比平均值(或差值)大小，描述具體差異所在。

其他說明：

配對樣本T檢驗要求兩組樣本量相等，而獨立樣本T檢驗對樣本量沒有要求。配對樣本T檢驗的數據格式與上文提到的獨立樣本T檢驗不同，兩組配對數據需要分別成一列，具體參考下圖：

正確格式

相關焦點

  • 回歸係數顯著性t檢驗 - CSDN
    回歸方程的顯著性檢驗　　t 檢驗（回歸係數的檢驗）　　F 檢驗（回歸方程的檢驗）　　相關係數的顯著性檢驗　　樣本決定係數　　三種檢驗的關係（方便檢驗計算）t 檢驗　　用t 檢驗來檢驗回歸係數的顯著性。　　r2 小的可能原因：　　① 線性回歸不成立，y 與 x 是曲線關係，應用曲線回歸；　　② y 與 x 之間符合線性模型，誤差項方差σ2大，導致r2 小（n 很大時，線性回歸顯著）　　在對自變量有重複觀測時可以通過檢驗正確區分以上兩種不同情況
  • t檢驗回歸方程專題及常見問題 - CSDN
    回歸方程的顯著性檢驗　　t 檢驗（回歸係數的檢驗）　　F 檢驗（回歸方程的檢驗）　　相關係數的顯著性檢驗　　樣本決定係數　　三種檢驗的關係（方便檢驗計算）t 檢驗　　用t 檢驗來檢驗回歸係數的顯著性。　　r2 小的可能原因：　　① 線性回歸不成立，y 與 x 是曲線關係，應用曲線回歸；　　② y 與 x 之間符合線性模型，誤差項方差σ2大，導致r2 小（n 很大時，線性回歸顯著）　　在對自變量有重複觀測時可以通過檢驗正確區分以上兩種不同情況
  • 假設檢驗、Z檢驗與T檢驗
    單樣本t檢驗雙樣本t檢驗Z檢驗和t檢驗的決定案例研究：Python冠狀病毒的假設檢驗假設檢驗基礎讓我們舉一個例子來理解假設檢驗的概念。一個人因刑事犯罪正在接受審判，法官需要對他的案件作出判決。現在，在這種情況下有四種可能的組合：第一種情況：此人是無辜的，法官認定此人是無辜的第二種情況：此人無罪，法官認定此人有罪第三種情況：此人有罪，法官認定此人無罪第四種情況：此人有罪，法官認定此人有罪正如你可以清楚地看到的
  • t檢驗中t值的意義 - CSDN
    參數檢驗在下文中，我們給出了兩個樣本，它們可以來自相同或不同的分布，我們想檢驗這些樣本是否具有相同的統計特性：比較均值t檢驗t檢驗適用於：正態分布、方差具有齊性的兩組間小樣本比較；對於大樣本不滿足正態分布的數據而言t-檢驗還是相當精確有效的手段。檢驗：兩個平均數的差異是否顯著。
  • t檢驗的目的_單樣本t檢驗的目的 - CSDN
    >t檢驗的結果。T檢驗和F檢驗的關係另一種解釋：t檢驗有單樣本t檢驗，配對t檢驗和兩樣本t檢驗。之所以需要這些前提條件，是因為必須在這樣的前提下所計算出的t統計量才服從t分布，而t檢驗正是以t分布作為其理論依據的檢驗方法。
  • 配對t檢驗-SPSS與Rzhan
    今天介紹配對t檢驗老規矩先看我的思維導圖，通過這個圖可以讓大家對配對t檢驗有一個初步了解
  • t檢驗 方差分析 - CSDN
    一.T檢驗1.T檢驗分類T檢驗是通過比較不同數據的均值，研究兩組數據之間是否存在顯著差異。單總體檢驗：單總體t檢驗是檢驗一個樣本平均數與一個已知的總體平均數的差異是否顯著。當總體分布是正態分布，如總體標準差未知且樣本容量小於30，那麼樣本平均數與總體平均數的離差統計量呈t分布。
  • 第七章 t檢驗與u檢驗--第一節 t檢驗
    第七章　t檢驗與u檢驗 　　抽樣研究包含參數估計與通過假設檢驗作統計推斷這樣一些重要內容。前者在第六章最後一節中已經涉及，後者如X2檢驗，我們亦已有過接觸。本章將介紹兩均數相比時的假設檢驗。
  • 卡方檢驗,T檢驗和F檢驗
    t檢驗為了確定從樣本(sample)統計結果推論至總體時所犯錯的概率，一般是小樣本，n<30。t檢驗可分為單總體檢驗和雙總體檢驗，以及配對樣本檢驗。這裡主要舉例說明雙總體檢驗(即獨立樣本t檢驗),雙總體t檢驗是檢驗兩個樣本平均數與其各自所代表的總體的差異是否顯著。獨立樣本t檢驗統計量為：
  • 理解 t 檢驗與 F 檢驗的區別
    它主要用於：均數差別的顯著性檢驗、分離各有關因素並估計其對總變異的作用、分析因素間的交互作用、方差齊性(Equality of Variances)檢驗等情況。t檢驗過程，是對兩樣本均數(mean)差別的顯著性進行檢驗。惟t檢驗須知道兩個總體的方差(Variances)是否相等；t檢驗值的計算會因方差是否相等而有所不同。
  • r語言 t檢驗 假設 - CSDN
    假設檢驗 -T檢驗 -F檢驗 -卡方檢驗 -正太性檢驗T檢驗2兩樣本的T檢驗 -有原始數據的獨立兩樣本T檢測 -有原始數據的配對T檢測 實例如下： Wage 數據中大學學歷的收入和中學一樣嗎
  • 回歸分析t檢驗公式_線性回歸t檢驗公式 - CSDN
    為了在公式中體現樣本個數的n的影響，所以我們讓分母的s，除以根號n，從而減小分母值，最終使t值增大，來體現樣本n的影響。2.4、t分布   以上我們求出了t值，那麼如何知道t值對應的p值？
  • 通俗理解T檢驗與F檢驗的區別
    先看Levene's Test for Equality of Variances，如果方差齊性檢驗「沒有顯著差異」，即兩方差齊(Equal Variances)，故接著的t檢驗的結果表中要看第一排的數據，亦即方差齊的情況下的t檢驗的結果。
  • z檢驗和t檢驗 - CSDN
    T 檢驗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 未知的正態分布資料。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。
  • 實習十 t檢驗
    實習十　t檢驗 　　一、目的要求 　　1．明確t檢驗的意義。 　　2．學會t檢驗的計算方法，並正確運用假設檢驗對資料進行分析評價。 　　[是非題] 　　1．t 檢驗是對兩個樣本不同樣本均數的差別進行假設檢驗的方法之一。（ ） 　　2．T檢驗結果t=1.5，可認為兩總體均數送別無意義。（ ） 　　3．兩次t檢驗都是對兩個不同樣本均數的差別進行假設檢驗，一次P＜0.01，一次0.01＜P＜0.05，就表明前者兩樣本均數差別大，後者兩樣本均數差別小。
  • 統計學常用概念|T檢驗、F檢驗、卡方檢驗、P值、自由度
    就是因為要評估兩個總體的方差(Variances)是否相等，要做Levene's Test for Equality of Variances，要檢驗方差，故所以就有F值。另一種解釋：t檢驗有單樣本t檢驗，配對t檢驗和兩樣本t檢驗。
  • 第三節 u檢驗和t檢驗
    第三節　u檢驗和t檢驗 　　u檢驗和t檢驗可用於樣本均數與總體均數的比較以及兩樣本均數的比較。理論上要求樣本來自正態分布總體。但在實用時，只要樣本例數n較大，或n小但總體標準差σ已知時，就可應用u檢驗；n小且總體標準差σ未知時，可應用t檢驗，但要求樣本來自正態分布總體。
  • 在回歸分析中t檢驗_回歸分析的t檢驗如何做 - CSDN
    （3）t分布（3）F分布三大分布的用途：卡方分布：常用於擬合優度檢驗t分布：       多用於比例的估計和檢驗，用於方差分析，協方差分布和回歸分析t分布：       在信息不足的情況下，只能用t分布，比如在整體方差不知道的情況下，對總體均值的估計和檢驗常用
  • T檢驗與F檢驗,你分清楚嗎?
    為.128，表示方差齊性檢驗「沒有顯著差異」，即兩方差齊(Equal Variances)，故下面t檢驗的結果表中要看第一排的數據，亦即方差齊的情況下的t檢驗的結果。2.反之，如果方差齊性檢驗「有顯著差異」，即兩方差不齊(Unequal Variances)，故接著的t檢驗的結果表中要看第二排的數據，亦即方差不齊的情況下的t檢驗的結果。 5.   你做的是T檢驗，為什麼會有F值呢?
  • T檢驗與F檢驗,傻傻分不清楚?
    為.128，表示方差齊性檢驗「沒有顯著差異」，即兩方差齊(Equal Variances)，故下面 t 檢驗的結果表中要看第一排的數據，亦即方差齊的情況下的t檢驗的結果。2.  就是因為要評估兩個總體的方差(Variances)是否相等，要做Levene"s Test for Equality of Variances，要檢驗方差，故所以就有F值。 5.  另一種解釋：t檢驗有單樣本t檢驗，配對t檢驗和兩樣本t檢驗。