SPSS独立样本T检验与SPSS单因素方差分析详细教程

在生物医药统计分析中，不同组别间的差异分析是最常用，也是使用最多的统计方法。、

因变量为连续变量，且符合正态分布的数据要分析不同组别间的差异时，在SPSS中用到的统计方法是：独立样本T检验与单因素方差分析。

下面来看今天的实际案例：以下是45名患者的年龄数据，以及他们的血型分组和MRS分组。血型分为A/B/AB/O型，MRS分为生存和死亡2组（图1），这里我们已经检验了年龄在血型和MRS分组上的正态性，均是符合正态的，具体方法在之前的文章里有详细讲解，这里不再赘述。注意一定要符合正态分布的数据才能使用我们今天所讲的这2种方法。

图1

1. 独立样本t检验

独立样本t检验，适用于符合正态分布的连续型因变量，在只有2种不同分组的组别上比较差异，也就是这里的年龄在不同MRS分组上是否存在显著的差异。

操作步骤：

①点击“分析”-“比较平均值”-“独立样本t检验”（图2）

图2

②在弹出的窗口中，将“年龄”选入“检验变量”框内，将“MRS”分组选入“分组变量”栏内，并点击“定义组”设置分组编码（图3），设置好后，点击确定。

图3

③结果分析

图4

由上表可以看出：MRS存活组的年龄为：54.32±8.84，MRS死亡组的年龄为58.70±14.28，而统计量则看上图中莱文方差等同性检验的显著性，如果这个显著>0.05，则采用上图中蓝色的T和P，反之则采用绿色。这里0.008<0.05，所以我们采用绿色的T和P值。t=-1.242，P=0.222>0.05，说明存活组的年龄和死亡组的年龄之间的差异不显著。

2. 独立样本t检验

单因素方差分析，适用于符合正态分布的连续型因变量，在有大于2种以上不同分组的组别上比较差异，也就是这里的年龄在不同血型分组上是否存在显著的差异。

操作步骤：

①点击“分析”-“比较平均值”-“单因素ANOVA检验”（图5）

图5

②在弹出的窗口中，将“年龄”选入右侧“因变量列表”，再将“血型”选入右侧“因子”框内（图6），再点击右侧“选项”按钮，勾选“描述性”和“方差齐性检验”（图7），最后点击确定

图6

图7

③结果分析

图8

由上图可以看出：4组不同血型的年龄描述，均值，标准差在描述表里，就不再赘述，ANOVA表里看出，统计量F=7.882，P=0.000<0.05，说明四种血型的年龄差异显著，但是具体是哪组和哪组之间的差异显著，我们这里就需要4组之间两两多重比较，而两两比较之前需要看上图中方差齐性检验表中的显著性，若大于0.05，则选用LSD多种比较，否则选用塔姆黑尼（T2），具体操作为，在上面的图6界面中，点击右侧“事后比较”，在弹出的界面中，勾选“塔姆黑尼”，后再次运算。

图9

由上面的多重比较表可以看出：A型血组的患者的年龄显著高于B和O，而B、O与AB之间的差异不显著，从大到小排序就为A>AB>B>O。这样比较后各组之间的差异就非常清楚了。

以上就是今天所讲的2种参数类变量的差异分析方法，是最基础也是最常用的。当然除了这2种方法以外，还有更多复杂的方法，例如SPSS多因素方差，或者重复测量的方差分析，这些我们将会在今后的文章中逐一讲解，敬请大家关注！

本期课程就到这里哦，感谢大家耐心观看！每日更新，敬请关注！

【杏花开生物医药统计】微信公众号（xhkdata）

· GraphPad Prism绘制ROC曲线具体操作步骤

· SPSS进行连续型数据的正态分布检验

· SPSS有序Logistic回归的具体操作

· SPSS生存分析在生物医药统计中的应用之COX风险比例回归

· SPSS二元Logistic回归在生物医药统计分析中的应用

· Medcalc软件精准比较多个指标诊断准确率

· SPSS多元线性回归的应用操作及分析

· SPSS和GraphPad如何比较组内和组间差异

· AMOS结构方程进行医学问卷量表分析教程

· SPSS生存分析在生物医药统计中的应用

· GraphPad Prism统计绘图之柱状图、箱式图

· SPSS中对问卷数据进行探索因子分析的详细操作与结果解读

· SPSS问卷数据统计分析之项目分析

· Excel进行线性回归模型分析的操作

· SPSS中常用的参数和非参数检验方法

· ROC曲线在SPSS中的操作及应用

· 一文读懂R语言如何实现逐步回归分析

· R语言中如何绘制散点图和箱线图？

· SPSS中的Variable数据变量类型介绍

· 相关性分析在SPSS中的操作，相关系数含义

· 一文读懂SPSS单因素方差分析及方差分析

· 线性回归决定系数R方的计算方法及具体意义

· 医学和生物统计全过程

· 生物和医学统计中的假设检验

· GraphPad Prism绘制生存曲线详细教程