5.4.1 SPSS的独立样本t检验示例
1.两个总体进行均值差异性比较
（1）独立样本t检验的SPSS操作
例5.7 用两种激励方法（A与B）对同样工种的A、B两个班组进行激励，每个班组7个人（但实际上即使两个班组的人数不同，也不妨碍对两种激励方法的效果的考察），测得激励后业绩增长（%）如表5.4所示，数据见文件“CH5 例5.7独立检验激励试验齐”。问：两种激励方法的平均激励效果有无显著差异？
表5.4 独立样本的均值检验
①启动SPSS，输入数据后（注意录入数据的时候，增加一个分类变量表示不同的激励方法），单击【分析】→【比较平均值】→【独立样本T 检验】。屏幕上弹出一个对话框，从左框中选取要分析的变量“两法的激励效果”，单击箭头，将其放入右框“检验变量”中，如图5.11所示。
图5.11 “独立样本T 检验”对话框
②在图5.11右框下方的“分组变量”框中，用箭头放入“激励方法”变量，并单击【定义组】按钮，在“使用指定值”下面的选项框里，分别输入在SPSS录入数据时就分组的变量值，如本例为“组1：0；组2：1”，如图5.11所示。
③单击【继续】按钮，回到“独立样本T 检验”对话框。
④单击【确定】按钮，系统输出结果，如表5.5和表5.6所示。
表5.5 两种激励方法的组统计
表5.6 独立样本t检验的结果
（2）例5.7独立样本t检验模块的SPSS操作的结果说明
在表5.6中，设“列文方差相等性检验”的显著性水平为0.05，由于“列文方差相等性检验”的显著性概率为0.734，0.734＞0.05，所以两种激励方法的效果的方差没有显著性差异。
因此，观察t检验的值应该用已假设方差齐性这一行的结果，此时，t统计量的显著性（双尾）概率p=0.128＞0.05，即t假设检验
通过，两种激励方法的效果无显著性差异。
那么为什么是这样分析？我们将在5.4.2节中学习算法的原理。
2.多个总体分为两组进行均值差异性比较
（1）独立样本t检验的SPSS操作
例5.8 某证券公司从某城市某区有关营业点的抽样调查得到散户股民买进、卖出和投资的有关数据（见数据文件“CH5例5.8证券投资额与依据”）。问：不同文化程度（受教育程度）的人的投资证券市场总资金、证券市场以外年收入和入市年份（的平均值）有无显著差异？
①启动SPSS，读入数据后（注意在窗口左下方的“变量视图”中可以看到变量值的定义〔例如，“文化程度”的变量值定义为：1=初中及以下，2=高中，3=大专，4=本科，5=硕士，6=博士）〕，单击【分析】→【比较平均值】→【独立样本T 检验】。
②从“独立样本T 检验”对话框的左框变量名中选出变量“证券市场以年收入”“投资证券市场总资金”和“入市年份”，用箭头将其放入右边的“检验变量”框中。
③从左框变量名中选出“文化程度”变量，用箭头将其放入右边的“分组变量”框中，此时，该框下面的【定义组】按钮被激活。
④单击【定义组】按钮，系统弹出1个小对话框，要求输入两个组的变量值或分组变量的“分割点”值，在本例中，选择“分割点”项，输入“3”，如图5.12所示。选择文化程度的“3”作为分界点，意味着把大专（用“3”表示）及以上的文化程度的投资者分为一组，把高中（用“2”表示）及以下文化程度分为一组。单击【继续】按钮，返回分析主窗口。
图5.12 输入分组变量的分割点
⑤单击【选项】按钮，弹出一个对话框，如图5.13所示。在此对话框的第一行，你可选择1-α的值，如95%、99%等。在此对话框下部的“缺失值”区块中，有如下两项选择。
图5.13 选择置信区间百分比和缺失值处理方式
a.选项“按分析顺序排除个案”（在t检验的过程中使用所有这样的个案：正在计算的这个变量中的数据是有效的，当要对多个变量作t检验时，在检验过程中，不同变量的有效样本容量是变化的）。这是系统的默认值，本例接受这个默认值。
b.选项“按列表排除个案”（在t检验的过程中仅仅使用这样的个案：所有变量的数据都是有效数据，在此t检验过程中，有效样本容量是不变的）。
⑥单击【继续】按钮，结束“独立样本T 检验：选项”对话框。
⑦单击【确定】按钮，输出结果如表5.7与表5.8所示。
表5.7 不同文化程度组的组统计
表5.8 独立样本检验
（2）例5.8独立样本t检验模块的SPSS操作的结果说明
①对变量“证券市场外的年收入”而言，由表5.8中的数字可知：F 检验〔SPSS对方差齐性的检验使用的检验称为Levene检验（列文检验），这个检验是H.Levene在1960年提出来的〕通过。f 的显著性概率p=0.664＞0.05，表明“大专以上组”与“高中以下组”的“证券市场外的年收入”的方差没有明显差异，接受σ2=σ'2的假设。这一结果决定了观察t检验的值，要用已假设方差齐性这一行的结果，此时t统计量的显著性（双尾）概率p=0.047＜0.05，即t假设检验H0：μ=μ'未通过。“大专以上组”与“高中以下组”的证券市场外的年收入的平均值有明显差异。“差值的95%置信区间”表示的是置信区间的两个端点与μ-μ'的距离。表5.8中显示的数字是（0.00700，1.17565），这表明落在这个区间里的μ-μ'不可能为0。也就是说μ≠μ'。这与上面t检验的结果是一致的。
②对变量“投入证券市场总资金”而言，从表5.8可见，F 检验（Levene检验）通过，原因是f 的显著性概率p=0.000＜0.05，表明“大专以上组”与“高中以下组”的“证券投资总额”的方差存在显著性差异，拒绝σ2=σ'2的假设。这一结果决定了观察t检验的值，要用未假设方差齐性这一行的结果，此时，t统计量的显著性（双尾）概率p=0.128＞0.05，即t检验μ=μ'通过，“大专以上组”与“高中以下组”的“投入证券市场总资金”的平均值没有明显差异。“差值的95%置信区间”表示的是置信区间的两个端点与μ-μ'的距离。表5.8中显示的数字是（-0.13845，1.09611），这表明落在这个区间里的μ-μ'在统计意义上为0。也就是说μ=μ'。这与上面t检验的结果是一致的。
③对变量“入市年份”而言，由表5.8（独立样本检验）知：F 检验（Levene检验）通过（f 的显著性概率p=0.263＞0.05），表明“大专以上组”与“高中以下组”的“入市年份”的方差没有明显差异，接受σ2=σ'2的假设。这一结果决定了观察t检验的值，要用已假设方差齐性这一行的结果，此时t统计量的显著性（双尾）概率p=0.005＜0.05，即t假设检验H0：μ=μ'未通过。从这个数字可以判断“大专以上组”与“高中以下组”的“入市年份”的平均值有明显差异。“差值的95% 置信区间”表示的是置信区间的两个端点与μ-μ'的距离。表5.8中显示的数字是（0.23392，1.32434）。这表明，落在这个区间里的μ-μ不可能为0。也就是说，μ≠μ'。也就是说，“大专以上组”与“高中以下组”的“入市年份”的平均值有明显差异。这显示了区间估计在这一问题上的优越性。