SPSS数据分析中的配对样本T检验

之前的文章中我们了解了如何对样本进行单样本T检验以及独立样本T检验。今天我们继续来看看T检验中的最后一位成员—配对样本T检验。

配对样本T检验在数据分析中主要是用来检验来自两个配对总体的均值是否在统计学上存在显著性差异。在大量的分析方法中，配对样本T检验更多时候被应用到医学上，一般用来检验某种药物配方或者试验手段能够产生什么样的效果。比如说某一种药物在服用前后对患者血压的影响，某一种药剂涂抹在不同部位所带来的不同的作用等等。

和独立样本T检验一样，在用配对样本T检验进行分析的时候，也是需要满足一定的条件才能进行分析：

1.进行分析的两样本应该是配对的，也就是说试验对象的年龄、性别、体重、病况等非处理因素都应该是相同或者相似的；

2.进行分析的两样本总体应该服从正态分布。

话不多说，我们先来看一下今天我们进行分析所使用到的数据：

图中的数据是十位服用某种减肥药的试验者的数据，分别是各自的编号及服药前后的体重情况。

数据的正态性检验这里就不作演示，大家在使用的时候一定要记得要先确定数据符合条件才能够进行分析。现在我们开始对数据进行配对样本T检验，如上图所示。

进入到配对样本T检验对话框以后，我们将服药前体重和服药后体重两条数据选入到数据框中，直接点击确定就可以得到配对样本T检验的结果：

上图就是我们进行配对样本T检验所得到的分析结果，从结果中我们可以看出，本次分析一共有10个样本，各自对应的均值、标准差等相关信息在第一个表格中。从第二个相关性表格我们可以看到，服药前体重和服药后体重两者之间的相关系数为0.723，显著性P值为0.018小于0.05，说明服药前体重和服药后体重两者之间存在线性相关且相关性较高。

最后我们来看配对样本T检验表格，可以看出，这个表格和之前的T检验结果相比是有区别的。第一部分是配对差值，也就是样本的均值、差值、标准误等一系列数据。这里的数据针对的不是整体的均值等数据，而是两个样本差值的相关数据，这一点需要大家注意。最后我们来看T检验的P值为0.033小于0.05，说明服药前体重和服药后体重之间是存在显著性差异的。结合前面的数据来看，我们可以说这种减肥药是具有一定效果的，平均减重在9kg左右。

到这里我们本次的配对样本T检验就全部做完了，不知道大家通过这个分析有没有看出一点什么出来？

那就是我们其实也是可以通过单样本T检验进行分析的，具体的步骤是什么样的呢？我们一起来看一下：

我们在分析之前需要对数据进行处理，我们需要通过计算变量，用服药前体重来减去服药后体重，得到两样本的差值，也就是一列新的数据。到这里大家应该猜出来了吧，那就是对新计算出来的数据进行单样本T检验。

具体的操作过程就不介绍了，我们直接来看分析结果：

从结果我们可以看出，服药前体重和服药后体重的差值均值也是9，显著性P值也是0.033，这个和我们进行配对样本T检验结果是一致的。

到这里我们所有的T检验方法都已经介绍给大家了，希望大家能够灵活使用，熟练掌握在不同场景中用不同的方法进行检验分析。

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。