SPSS数据分析中的独立样本T检验

上一次我们说到了如何对样本进行单样本T检验,知道了如何通过单样本T检验来对数据进行分析。今天我们继续来看看T检验中的另一位成员—独立样本T检验。

在进行数据分析的时候,如果我们的样本量中有两个或者两个以上的样本时,我们可能会需要去考虑这些样本整体在统计学上是否存在显著性差异。一般来说,我们在利用两个不同样本的均值来了解它们之间的区别时,就是两个样本的检验。如果样本更多的话,我们可以利用方差分析来进行检验,也就是说,其实方差分析是T检验的一种推广。

在实际的分析操作中,不管是大样本还是小样本,只要能够满足T检验的条件,就都可以利用T检验方法来对样本进行分析。而根据两个样本之间的关系,又分为独立样本T检验和配对样本T检验两种,今天我们说的就是其中的一种—独立样本T检验。这两种T检验的不同就是配对样本T检验是用来比较同一个样本的两次不同测量结果。说到这里,就不得不提到使用独立样本T检验和配对样本T检验的条件了:

1.两个样本相互独立;

2.两个样本应服从正态分布。【上一篇文章跟大家说过T检验的稳健性,不知道大家还有没有印象,也就是说如果大样本的情况下,有的时候两个样本虽然不满足正态分布的条件,但是两者之间的分布形状是相似的,这个时候两个样本量相差不大但是样本量大,是仍然可以使用T检验的】;

3.方差齐,也就是两个样本的方差是相同的。

我们先来看看今天要分析的数据:

上图就是我们本次用来进行分析的数据,数据内容分别为员工编号、机器类型以及对应机器的产值。主要是想通过数据分析来看新旧机器的产值情况哪种更好,是否应该将旧机器全部更新,或者继续使用旧机器。本文就将通过独立样本T检验来进行分析,帮助企业做出决策。

我们首先需要对数据进行描述统计分析,检查数据是否服从正态分布。检验过程为【分析】——【描述统计】——【探索】:

need-to-insert-img

我们按照上图的方式对界面进行设置,将产值选入因变量列表中,机器类别选入因子列表中。在绘制中勾选带检验的正态图。最后得到我们对正态性检验的结果:

need-to-insert-img

我们主要来看一下正态性检验的结果表,因为样本量较小,所以我们来看S-W检验结果,两种机器的检验P值分别为0.157和0.914,均大于0.05,说明数据服从正态分布(当然我们不能只是来看这一个图,在实际的分析中,我们还可以结合Q-Q图、P-P图来检验,对应的作图方式之前已经给大家分享过,其他条件大家也可以进行对应的检验)。

接下来我们利用独立样本T检验来对数据进行分析:

need-to-insert-img

我们依旧对数据进行设置,按照上图设置完以后就可以得到我们本次检验的结果:


从上面的结果我们可以看出,方差齐性检验的P值为0.054,大于0.05,说明方差是齐的。这时候我们就按第一排假设方差相等来继续看,在后面的P值中,P值为0.305大于0.05,说明两者之间不存在显著性差异(由于本次分析的数据量较小,仅作为一个演示,让大家了解分析过程)。

到这里,我们本次的分析就全部做完了,下一次我们继续来了解如何利用配对样本T检验来进行分析。大家可以先自己尝试一下,动手实操一下,可以有更加深刻的认识。

欢迎大家进行补充,大家可以在我们的QQ交流群(243949148)或者微信群中(关注小白数据营公众号后台进入)参与讨论和交流。

©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 228,197评论 6 531
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 98,415评论 3 415
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 176,104评论 0 373
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 62,884评论 1 309
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 71,647评论 6 408
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 55,130评论 1 323
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 43,208评论 3 441
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 42,366评论 0 288
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 48,887评论 1 334
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 40,737评论 3 354
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 42,939评论 1 369
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 38,478评论 5 358
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 44,174评论 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 34,586评论 0 26
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 35,827评论 1 283
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 51,608评论 3 390
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 47,914评论 2 372