部分数据如图5-3所示。
3、实例分析
第2步 打开主对话框；
选择分析→ 比较均值 → 均值，打开同图5-1一样的均值过程主对话框。 第3步 确定要进行均值比较的变量；
在图5-1的对话框中，从左边的候选变量列表框中选择“人口数量（num）”变量，移入“因变量列表”文本框中，表示对该变量进行均值比较分析。 第4步 确定分组变量；
分组变量可以有几层，选择“性别（sex）”变量作为第一层分组变量，将其移入“自变量列表”文本框中。
第5步 确定输出的统计量；
单击图5-1上的选项…按钮，弹出如图所示的子对话框，选择方差和eta复选框，进行方差分析，单击继续按钮，返回主对话框。
结果分析：
此表是性别的单因素方差分析。
表中的Sig.值远大于0.05，说明不同性别受教育的人口数量没有显著性差异。
人口数量与性别的相关性度量表。
此时的Eta和Eta方 取值都很小，说明性别和受教育的人口数量的相关性很差，这也和单因素方差分析表的结论是一致的。
4. 单样本T检验（它是对总体均值的假设检验）
【例5-2】某生产食盐的生产线，其生产的袋装食盐的标准重量为500g，现随机抽取10袋，
其重量分别为：495，502，508，496，505，499，503，498，505，500。假设数据总体呈正态分布，请检验生产线的工作情况。
第1步 数据组织；
首先建立SPSS数据文件，只需建立一个变量“Weight”，录入相应的数据即可。 第2步 打开主对话框；
选择分析→ 比较均值 → 单样本T检验，打开同图5-3一样的单样本T检验主对话框。
第3步 确定要进行T检验的变量；
在图5-3所示的对话框中，选择“Weight”变量作为检验变量，移入“检验变量”框中。
第4步 输入要检验的值；
在图5-4的对话框中的“检验值”中输入要检验的值，本例应输入500。
单样本T检验结果表，第一行的Test Value为检验参数值500，即用于比较的总体均值，下面从左至右依次为检验统计量（t）、自由度（df）、双尾检测概率P值（Sig.(2-tailed)）、样本均值与和检验值的差（Mean Difference）、均值差的95%置信区间（95%Confidence Interval of the Difference）。
当置信水平为95%时，显著性水平为0.05，从表中可以看出，双尾检测概率P值为0.432，大于0.05，故零假设成立，也就是说抽样袋装食盐的重量与500克无显著性差异，有理由相信生产线工作状态正常。
5.
两独立样本T检验
【例5-3】为比较两种不同品种的玉米的产量，分别统计了8个地区的单位面积产量，具体数据见表5.8。假定样本服从正态分布，且两组样本相互独立，试比较在置信度为95%的情况下，两种玉米产量是否有显著性差异。
第1步 数据组织；
根据表5.8，SPSS数据文件中建立两个变量，分别为“品种”、“产量”，变量“品种”的变量值标签为：a-品种A，b-品种B，录入数据即可。
第2步 打开主对话框；
选择分析→ 比较均值→独立样本T检验 ，打开同图5-4一样的两独立样本T检验主对话框。 第3步 确定要进行T检验的变量；
在图5-4所示的对话框中，选择“产量”变量作为检验变量，移入“检验变量”框中。 第4步 确定分组变量；
选择变量“品种”作为分组变量，将其移入图5-4中的“分组变量”文本框中，并定义分组的变量值：Group1—1，Group2—2。
结果分析：
首先做2个样本方差的齐性检验。上图中sig.=0.752>0.05，因此认为2个样本方差不存在差异，可以按照P=0.332取值。
在显著性水平为0.05的情况下，T统计量的概率p值大于0.05，故不应拒绝零假设,，即认为两样本的均值是相等的，在本例中，不能认为两种玉米品种的产量有显著性差异。
6.两配对样本T检验
3、实例分析
【例5-4】以下是某大学跆拳道选手15人的平衡训练的数据，统计实验前、后平衡训练成绩是否有差异。
训练前：86，77，59，79，90，68，85，94，66，72，75，72，69，85，88 训练后：78，81，76，92，88，76，93，87，62，84，87，95，88，87，80
第1步 数据组织；
首先建立SPSS数据文件，建立两个变量：“训练前”、“训练后”，录入相应数据。 第2步 打开主对话框；
选择分析→ 比较均值 →配对样本T检验，打开同图5-5一样的配对样本T检验主对话框。
第3步 确定配对分析的变量；
将变量“训练前”和“训练后”添加到“成对变量”框中，作为第一对分析的配对变量。
两配对样本T检验的简单相关关系及其检验结果。表中第3列为训练前和训练两样本的相关系数，第4列是相关系数的检验p值。
从表中可以看出，在显著性水平为0.05时，训练前后的概率p值为0.132,大于0.05，接受零假设，可以认为训练前后的成绩没有明显的线性关系。
由于概率p值为0.041,小于0.05,拒绝零假设，可以认为训练前后对成绩有显著效果。
第六章 方差分析
单因素方差分析：
用四种饲料喂猪，共19头分为四组，每一组用一种饲料。一段时间后称重，猪体重增加数据如下表所示，比较四种饲料对猪体重增加的作用有无不同。 饲料A 133.8 125.3 143.1 128.9 135.7 饲料B 151.2 149.0 162.7 143.8 153.5 饲料C 193.4 185.3 182.8 188.5 198.6 饲料D 225.8 224.6 220.4 212.3
统计分析软件SPSS详细教程 - 图文
