在醫(yī)學統(tǒng)計中，最多用到的就是差異分析。不同的變量類型，使用不同的統(tǒng)計學方法來進行統(tǒng)計分析，SPSS中的操作方法也不同。本期我們來詳細教大家如何在SPSS中對數(shù)據(jù)進行差異分析。本期課程分為四個部分：比較均值、T檢驗、獨立樣本T檢驗、配對原本T檢驗！

    進行差異分析，首先要確定研究變量也就是因變量的數(shù)據(jù)類型。通常會分類兩大類：一類是連續(xù)數(shù)值型變量，也叫做連續(xù)變量，例如身高、年齡等；另一類為分類變量，例如性別、血型、學歷等。對于連續(xù)變量的差異性分析，首先，我們要檢驗連續(xù)變量是否符合正態(tài)分布。對于符合正態(tài)性分布的變量，要采用參數(shù)類的統(tǒng)計分析方法；對于不符合正態(tài)性分布的，要采用非參數(shù)檢驗方法。本期教程中所講解4個方法的均為參數(shù)類檢驗方法，關(guān)于非參數(shù)類檢驗方法，會在以后的課程中詳細講解，敬請關(guān)注！

    我們將會在我們的訂閱號【杏花開生物醫(yī)藥統(tǒng)計】中，每天更新更多的SPSS使用技巧和案例教程，請大家關(guān)注哦！   

    我們搜集了31例患者的相關(guān)數(shù)據(jù)，要計算出不同性別的骨頭高度的均值（圖1），這里已經(jīng)檢驗過骨頭高度是服從正態(tài)性分布的，關(guān)于如何檢驗正態(tài)性分布，在我們的訂閱號【杏花開生物醫(yī)藥統(tǒng)計】有詳細的講解，如果有還沒學到的朋友，可以去查閱哦。

    這里值得注意的是，在之前的課程中，我們曾講到過在“分析”--“描述性分析”（圖2）中同樣可以計算均值，與下面要講解的參數(shù)類分析中的比較平均值有何不同呢？他們的區(qū)別在于：前者只能分析整個變量的均值，而后者（圖3）可以按不同分組分類來計算每一個分組或分類的均值。

下面就來具體講解如何分析不同性別的患者的骨頭高度的均值：

SPSS中的操作步驟

①點擊“分析”--“比較平均值”--“平均值”（圖4）

②將“骨頭高度”選入因變量列表，將“性別”選入自變量列表，也叫分組變量列表（圖5）

③點擊右側(cè)“選項”，勾選“最小值”、“最大值”、兩個指標，并勾選下方的“Anova表”，線性相關(guān)度檢驗（圖6）后，點擊繼續(xù)--確定。

④結(jié)果分析

    由上表（圖7）可以看出：男性的骨頭高度均值為49.2813，女性的為45.5257，可以看出男性略微高出女性，但差異是否有統(tǒng)計學意義，還需要進一步看下面的結(jié)果：

    由上表（圖8）可以看出：ANOVA表中顯著性水平為0.141>0.05說明男性和女性的骨頭高度的差異不具有統(tǒng)計學意義。且Eta系數(shù)為0.27，Eta方0.073均為很小，進一步說明性別與骨頭高度相關(guān)性不顯著。

    我們搜集了31例患者的相關(guān)數(shù)據(jù)，要計算出全部樣本的骨頭高度均值與既定檢驗值40mm之間是否存在顯著的差異（圖1）

單樣本T檢驗在SPSS中的操作步驟：

①點擊“分析”--“比較平均值”--“單樣本t檢驗”（圖2）

②將“骨頭高度”選入右側(cè)“檢驗變量”框內(nèi)（圖3）

③在下方“檢驗值”內(nèi)填入我們的既定比較標準，也就是檢驗值“40mm”（圖4），點擊確定

④結(jié)果分析

    由上表（圖5）看出：31個樣本的骨頭高度均值為46.49mm，標準差為6.18mm，這些均為一般描述性結(jié)果。

    由上表（圖6）可以看出：本次的31個樣本的骨頭密度的均值與檢驗值40mm之間的t檢驗值為5.851，顯著性水平P<0.05，那么單樣本t檢驗的原假設H0：“即本次檢驗的31個樣本的骨頭密度的均值與40mm之間不存在顯著差異”發(fā)生的概率為0%，因此我們需要拒絕原假設H0，接受備選假設H1：“31個樣本的骨頭密度的均值與40mm之間存在顯著差異”。

    值得注意的是：這里的骨頭高度數(shù)據(jù)同樣需要服從正態(tài)性分布，關(guān)于如何進行檢驗正態(tài)性，大家可以查閱我們的訂閱號【杏花開生物醫(yī)藥統(tǒng)計】中的相關(guān)課程。

   當我們要進行2類樣本或者2組樣本的比較的時候，就需要用到獨立樣本 T檢驗。

    但是需要注意的是，這里需要這兩類樣本之間相互獨立，而不能是相互相關(guān)，比如男性和女性，相互獨立的。下面我們通過實際案例數(shù)據(jù)來詳細講解獨立樣本T檢驗的操作步驟及結(jié)果解讀。

    我們搜集了31例患者的相關(guān)數(shù)據(jù)，我們要比較不同性別分組的身高的差異（圖1）

SPSS進行獨立樣本T檢驗操作步驟：

①點擊“分析”--“比較平均值”--“獨立樣本t檢驗”（圖2）

②將身高選入右側(cè)檢驗變量，將性別選入分組變量（圖3）

③點擊“定義組”，設置性別的分組編碼（圖4），然后點擊確定進行運算。

④結(jié)果分析

    由上表(圖5)看出：一般描述統(tǒng)計表給出男性8個，女性22個，平均身高分別為167.88和163.36。而這兩者之間是否存在顯著的差異還要進一步看下面的結(jié)果：

    關(guān)于獨立樣本T檢驗，和單樣本T檢驗的輸出結(jié)果不同，獨立樣本T檢驗基于2種不同的假設會有2種結(jié)果。

    基于來萊文方差等同性檢驗，如果方差齊，就選擇第一行的T檢驗結(jié)果，如果方差不齊則接受第二行的T檢驗結(jié)果。這里判定方差齊性的標準為萊文方差等同性檢驗的顯著性，基于本例為0.005<0.05，意味著原假設方差齊不成立，接受備選假設方差不齊。因此這里的T檢驗結(jié)果為：T=2.662，P=0.026<0.05。

    基于以上分析得出：不同性別的身高均值存在顯著的差異，結(jié)合均值得出，男性身高均值顯著高于女性。

    需要注意的是，這里的被檢驗變量年齡同樣需要服從正態(tài)分布，關(guān)于如何檢驗正態(tài)性，可以查閱我們的訂閱號【杏花開生物醫(yī)藥統(tǒng)計】中的相關(guān)教程。

    實際研究中，有時候會遇到存在相互有關(guān)聯(lián)的兩組樣本：例如某個指標干預前和干預后的兩組值，此類樣本屬于自身配對樣本；又例如2只特性完全一樣的小鼠（性別，體重，身長等都一致），然后對其進行某種干預后，測得的不同數(shù)據(jù)配對，此類樣本屬于同源配對樣本。

    下面就通過實際案例來講解配對樣本T檢驗中的自身配對：

    我們搜集了31例樣本分別在T10時點和T20時點的數(shù)據(jù)，想比較他們之間是否存在顯著的差異（圖1）

SPSS配對樣本T檢驗步驟

①點擊“分析”--“比較平均值”--“成對樣本T檢驗”（圖2）

②分別將T10和T20選入右側(cè)的配對變量框內(nèi)（圖3），然后點擊確定，進行計算:

③SPSS輸出結(jié)果分析

    由上表(圖4)看出：T10時點和T20時點的均值分別為24.6084和17.1139，此為描述性分析，不做過多贅述。

由上表（圖5）可以看出：本次配對t檢驗的T值為16.963，P<0.05。而原假設H0為H10和H20之間不存在顯著的差異，基于原假設H0發(fā)生的概率P=0.00，因此我們要拒絕原假設，接受備選假設H1，T10和T20之間存在顯著的差異。

    再結(jié)合圖4中的均值，可以得出結(jié)論T10顯著大于T20。

    由上表（圖6）看出：注意！這張表的結(jié)果十分重要，相當于配對T檢驗的假定前提條件。由于我們做的是配對樣本，2組樣本是成對出現(xiàn)，也就是說他們之間理應存在著顯著的相關(guān)關(guān)系?；谶@樣一個前提，才適用于配對樣本T檢驗，如果2組樣本之間的相關(guān)關(guān)系不顯著，那么則不適用于配對樣本T檢驗，則必須使用獨立樣本T檢驗。

    基于本例，我們得到的結(jié)果為相關(guān)關(guān)系顯著，P<0.05。從而得出本例適用于配對樣本T檢驗。

   本期課程就到這里，我們將每周推出更多、更實用的醫(yī)學統(tǒng)計教程，提供醫(yī)學統(tǒng)計相關(guān)服務。涵蓋SPSS、Meta、GraphPad、SAS、R等，歡迎大家關(guān)注！感謝大家的觀看，下期再見！

杏花開醫(yī)學統(tǒng)計客服  

QQ(微信同號) 3301888200