SPSS独立样本T检验与SPSS单因素方差分析详细教程（正态分布数据）——【杏花开生物医药统计】

    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！