概念与定义
2.核心思路
1.零假设（H₀）：H0:μ1=μ2
2.方差齐性检验（Levene检验）：判断两组是否具有相似的方差。若p值 ≥ 0.05，则认为方差齐，采用等方差T检验；若p值 < 0.05，则采用Welch修正的不等方差T检验。
3.T值计算：
等方差假设
其中，sp 为合并标准差，n1，n2为两组样本量。
不等方差假设：
4.正态性要求：
若两组数据严重偏离正态分布（Shapiro-Wilk检验p值 < 0.05），可考虑非参数检验（如Mann-Whitney U检验）。
5.效应量评估：
Cohen’s d：
效应量解释：0.2（小差异），0.5（中等差异），0.8（大差异）。
Hedges’ g：对Cohen’s d的修正，适用于小样本。
适用案例：
比较两个独立群体的数值型指标（如考试成绩、身高、销售额等）；
检验实验组与对照组的均值差异；
需要满足以下条件：
1.两组数据独立（无重叠）；
2.分组变量为二分类（如男女、是否患病）；
3.度量变量为连续型（如数值型指标）。
1.选择分析方法
step1.登录SPSSAI数据分析（www.spss-ai.com），进入主页面或左侧菜单，在「差异性分析」分组下选择「独立样本T检验」。
2.上传分析数据
step1.支持XLSX、CSV、SAV、DTA、SAS7BDAT格式，不支持老式.xls。文件第一行为列名，建议大小不超过10MB。
step2.点击后，预览数据数据无误点击上传。
变量类型：
度量变量（定量）：至少1列数值型变量（如成绩、身高）；
分组变量（定性）：1列二分类变量（如性别、是否实验组），类别不超过2个。
数据质量
缺失值处理：系统自动忽略空值行，但建议提前清洗数据以避免结果不稳定；
异常值处理：可在“筛选样本”功能中过滤极端值；
样本量要求：每组至少需2条有效记录（建议≥30条以提高稳健性）。
3.数据拖拽开始分析
step1.在中间面板选中对应列，拖拽至右侧面板。
step2.完成拖拽后，点击“开始分析”，系统自动检测分组数、样本量、缺失值等，分析完成后，跳转至结果报告页面。
变量类要求：
将数值列（度量指标）拖到右侧「度量变量(定量)」区域；
将二分类列（如性别）拖到「分组变量(二分类)」区域；
系统自动检测变量类型，若不满足条件则提示报错。
输出结果一：正态性检验
输出Shapiro-Wilk检验的p值；
若p值 < 0.05，数据偏离正态分布，可考虑非参数检验。
输出结果二：方差齐性检验（Levene检验）
检测两组方差是否齐（p值 ≥ 0.05 表示方差齐）；
输出两组的样本均值与样本量。
输出结果三：T检验结果
t值：表示两组均值差异的标准化程度；
p值：判断差异是否显著（p < 0.05 表示显著）；
均值差：两组均值的具体差异；
Cohen’s d与Hedges’ g：衡量差异幅度。
输出结果四：可视化结果
均值 ± 标准误图：对比两组均值及其误差范围；
箱线图与小提琴图：展示数据分布形态与离群点。
数据质量：大量缺失值或异常值会影响结果准确性，建议提前清洗数据。
分组要求：分组变量必须为二分类，若检测到多于2个类别，系统将报错。
正态性与方差齐性：若数据严重偏离正态或方差不齐，可尝试非参数检验（Mann-Whitney U）。
效应量解读：仅看p值不足以说明差异程度，需结合Cohen’s d或Hedges’ g评估差异幅度。
后续分析：若需比较多组均值，可使用单因素方差分析（One-Way ANOVA）。
一、独立样本 t 检验
独立样本 t 检验用于比较两组独立样本的均值差异，其前提是两组数据满足以下条件：
1.数据来自正态分布的总体；
2.两组数据的方差齐性；
3.样本独立。
二、步骤
1.假设
零假设（H0）：两组样本均值无差异（μA=μB）。
备择假设（H1）：两组样本均值有差异（μA≠μB）。
2.抽样分布
样本数据满足正态分布，符合 t 分布条件。
3.检验方向
双尾检验（检验均值是否显著不同）。
4.计算 t 值
使用以下公式计算 t 值：
其中：
s12，s22：两组样本方差；
n1，n2：两组样本量。
5.计算 p 值
根据 t 值和自由度（df=n1+n2−2），查找 t 分布表或使用统计软件计算 p 值。
6.置信区间
计算均值差值的置信区间：
7.结论
若 p 值小于显著性水平（如 α=0.05），则拒绝零假设，认为两组样本均值存在显著差异。
# 参考文献
杨建芹. 独立样本t检验在学生学业质量评价中的应用[J]. 教育测量与评价, 2016, (2): 18-22.
张文. 以独立样本t检验为例探讨《卫生统计学》的教学设计[J]. 卫生统计学, 2022, 8(8): 10-15.
李明. 独立样本t检验的基本思想[J]. 统计学之家, 2021, 6(12): 12-15.
王芳. 如何研究数据是否存在差异性——独立样本T检验模型教程[J]. 数据分析, 2021, 12(23): 15-20.
刘强. 独立样本t检验及其案例分析[J]. CSDN博客, 2024, 9(30): 1-5.
