一、t检验

  t 检验(独立样本t 检验),用于分析定类数据与定量数据之间的关系情况。例:检验男女雇员当前工资是否有差异。(说明:进行独立样本的t检验要求被比较的两个样本彼此独立,即没有配对关系。要求两个样本均来自正态总体,要求均值是对于检验有意义的描述统计量。两个样本方差相等与不相等时使用的t值公式不同。)

二、操作

1.SPSSAU操作如下图:

adfTEST的检验结果 adf检验t值统计值_adfTEST的检验结果

2.将数据放入分析框中,SPSSAU系统默认为独立样本t检验,会自动生成分析结果如下:

adfTEST的检验结果 adf检验t值统计值_方差_02

adfTEST的检验结果 adf检验t值统计值_人工智能_03

三、分析

结果解读以及计算公式:

1.从下表可以看出 F值为119.669并且P<0.05,所以两组方差显著即方差不齐;

2.t值

(1)方差齐时:

adfTEST的检验结果 adf检验t值统计值_方差_04

其中n1、n2分别为两个样本的观测数目, 

adfTEST的检验结果 adf检验t值统计值_机器学习_05

 、

adfTEST的检验结果 adf检验t值统计值_数据_06

 为两个样本的均值,分母是两个样本之差的标准误,其中的 

adfTEST的检验结果 adf检验t值统计值_方差_07

 是合并方差,其中为:

adfTEST的检验结果 adf检验t值统计值_机器学习_08

(2)方差不齐时:

adfTEST的检验结果 adf检验t值统计值_人工智能_09

V1、V2分别为样本的方差;

3.结论

从上表可以看出:不同gender样本对于salary全部均呈现出显著性(p<0.05),意味着不同gender样本对于salary均有着差异性。具体分析可知:gender对于salary呈现出0.01水平显著性(t=-11.688,p=0.000),以及具体对比差异可知, f的平均值(26031.92),会明显低于m的平均值(41441.78)。

总结可知:不同gender样本对于salary全部均呈现出显著性差异。

四、扩展

SPSSAU同时提供了深入分析:

adfTEST的检验结果 adf检验t值统计值_方差_10

(1) 如果t检验显示呈现出显著性差异(p<0.05),可通过平均值对比具体差异,同时还可使用效应量研究差异幅度情况;

(2) t检验时使用Cohen's d 值表示效应量大小(差异幅度大小),该值越大说明差异越大,效应量小、中、大的区分临界点分别是:0.20,0.50和0.80;

(3) Cohen's d 值计算公式为差值的绝对值/标准差,标准差=Sqrt(联合方差)。

PS:SPSSAU具体操作如下:

(1)点击SPSSAU通用方法里面的‘t检验’。如下图:

adfTEST的检验结果 adf检验t值统计值_人工智能_11

(2) 拖拽数据后开始分析:

adfTEST的检验结果 adf检验t值统计值_方差_12

五、参考文献

《SPSS统计分析(第五版)》