SPSS26.0统计分析：在心理学与教育学中的应用 课件 第6章 比较平均值

SPSS26.0统计分析

——在心理学与教育学中的应用2026/10/30第六章比较平均值

第六章比较平均值比较平均值（CompareMeans）的菜单命令包括：平均值；单样本T检验；独立样本T检验；摘要独立样本T检验；成对样本T检验（配对样本T检验）；单因素ANOVA检验。单因素ANOVA检验，也就是单因素方差分析，是多组平均值的比较，单因素ANOVA检验将在下一章中讲解。6.1平均值分析

6.2单样本T检验及效应量计算分析

6.3独立样本T检验及效应量计算分析

6.4摘要独立样本T检验及效应量计算分析6.5成对样本T检验及效应量计算分析

6.6均值比较分析报告的参考样例

第六章比较平均值6.1平均值分析

平均值分析是用于分组统计时分析一些基本统计量的分析方法。这些基本统计量包括：均值（Mean）、标准差（StandardDeviation）、样本量、方差（Variance,又译为变异）。平均值分析也可以同时包含方差分析表和线性检验结果。与描述统计的分析过程相比，如果仅仅计算单一组别的均数和标准差，平均值分析并无特别之处；但若用户要求按指定条件分组计算均数和标准差，平均值分析的优势在于各组的描述指标被放在一起，便于相互比较。案例：【例6-1】

请分析在某次考试成绩中的分数情况（数据文件为“考试成绩.sav”）：（1）分别求取不同性别、各个年级的考试成绩分数的平均数、标准差。（2）在各个年级下，再分男、女两个组别求取考试成绩分数的平均数、标准差。第1步：打开分析数据。在数据编辑器窗口打开“考试成绩.sav”文件。第2步：启动分析过程。点击【分析】→【比较平均值】→【平均值】菜单命令，打开如图所示的对话框。

第3步：设置分析变量。

在本例中选“总分”变量进入“因变量列表”框。

从左边的变量列表中选中“性别”、“年级”变量，选择进入“自变量列表”框。

第4步：设置输出的统计量。单击【选项】按钮，打开下图所示的对话框，该对话框用于选择统计量：

本例选定：

“平均值”、“个案数”、“标准差”。并选中左下角的“Anova表和Eta”。第5步：在主对话框中点击【确定】按钮，提交执行。SPSS在输出窗口输出结果。第6步：结果分析。在结果窗口中查看计算结果，主要输出内容如下。第一个表格：个案处理摘要表。（略）

第二个表格：总分*性别的统计表第三个表格：总分*性别的方差分析表如果要在各个年级下，分男、女两个组别求取总分的平均数、标准差，该怎么操作呢？让我们先回到【分析】→【比较平均值】→【平均值】先将“年级”变量放入第一层，点击【下一个】按钮，再将“性别”变量放入第二层。由结果可知，当年级作为第一层分类后，还进一步按照性别进行了分类计算统计人数、平均数、标准差。6.1平均值分析

6.2单样本T检验及效应量计算分析

6.3独立样本T检验及效应量计算分析

6.4摘要独立样本T检验及效应量计算分析6.5成对样本T检验及效应量计算分析

6.6均值比较分析报告的参考样例

第六章比较平均值6.2单样本T检验及效应量计算分析如果总体均数已知，进行样本均数与总体均数之间的差异检验属于单样本T检验；单样本T检验还适用于某一样本的均值与某一指定检验值的差异分析。单样本检验的原假设H0为：某一样本的均值与总体均值（指定检验值）没有显著差异。案例：【例6-2】按照随机化原则在某校初一学生中选择40名学生进行智力测验，请分析该批学生的智力测验分数是否达到平均水平（总体平均分为100分）。此例的统计检验分析的原假设H0为：该校初一学生的智力测验分数与总体平均值（100分）没有显著差异。第1步：打开分析数据。打开“智力测验.sav”文件。第2步：启动分析过程。在SPSS主菜单选中菜单命令【分析】→【比较平均值】→【单样本T检验】，打开单样本T检验主对话框。第3步：设置分析变量。

在本例中选“智力分数”变量进入“检验变量:”框。

在检验值的文本框中输入需要比较检验的总体均值：100。

点击右边的【选项】按钮，弹出对话框。

在本例中，均按系统默认的方式。第4步：在主对话框中点击【确定】按钮，提交执行。SPSS在输出窗口输出结果。

第5步：结果分析。第一个表：单样本统计第二个表：单样本检验t值为-2.574。因为样本的平均值为95.53，小于总体均值100（检验值），因此为负值。t对应的显著性水平为0.014<0.05，拒绝原假设。结论：该学校初一学生智力分数与总体水平有差异，而且是低于总体水平。然后可进一步报告假设检验的效应量、统计检验力。知识拓展一、为什么需要报告效应量？

效应量（effectsize），也译为效果量。在这里简要说明报告效果量的意义：在一般统计分析时所计算的t值、F值、卡方值，其所对应的p值是统计学意义上的显著性指标。假设两个样本的均值有显著差异（这里以均值比较T检验为例），p值小于0.05，但实际两个样本均值的差异有多大，p值无法回答。因此仅仅报告p值（即统计检验结果显著）还是不够。知识拓展此时需要报告此时T检验所对应的效应量，以反映两个样本均值实际差异的大小；而且p值的大小依赖于样本的大小，而效应量的计算则不依赖的样本大小。因此，在得到统计结果显著时，需要计算报告效应量，从而进一步确定此统计结论的价值大小。二、效应量和统计检验力的使用情境分类对于假设检验中的统计量、效应量的计算，以往多位研究者（吴艳,温忠麟,2011;温忠麟,2016;Fan,Konold,2010等）都作出了分析概括，温忠麟教授的《心理与教育统计》中，把“根据统计显著性和效应量作出统计结论”分为了六种情况，并使用表格形式分类展示。在本书中用文字概述为以下四种情境（实际上也是类似温忠麟教授的六种情境，在其他均值比较分析、方差分析、卡方分析时都一样会出现以下四种情境）：（1）统计量检验显著（p小于0.05，拒绝原假设H0），并且是大效应量（或中效应量）。此时说明统计结论可信度高（或可信度尚可），完全（或基本上）可以认同此结论。此时不需要报告统计检验力。但在国外效果量分析软件中一般会同时计算统计检验力，在本书中也同时计算了统计检验力。（2）统计量检验显著（p小于0.05，拒绝原假设H0），并且是小效应量。此时，效应量小，就算统计检验显著也实际意义不大，研究结论推广时要慎重，还需要进一步的研究资料佐证此结论。此时不需要计算统计检验力。在例6-2中，就属于此种情况。也就是说，此统计结论即该学校学生智力分数低于总体水平，虽然统计检验显著也实际意义不大。（3）统计量检验不显著（p大于0.05，接受原假设H0），然而是大效应量（或中效应量）。此时需要进一步计算统计检验力。如果统计检验力高，则认为是抽样误差引起的大效应量（或中效应量）；如果统计检验力低，则说明可能是样本量不足造成，此时可以适当增加样本容量，再做实验或调查，获取数据再进行研究分析，以提高统计检验力。（4）统计量检验不显著（p大于0.05，接受原假设H0），并且是小效应量。此时可以认同此结论，检验结果无统计意义也无实际意义，不需要进一步探讨研究。此时不需要计算统计检验力。如何结合效应量和显著性结果做出统计结论，有兴趣的读者可进一步参考温忠麟（2016）的《心理与教育统计》第七章第五节。

6.1平均值分析

6.2单样本T检验及效应量计算分析

6.3独立样本T检验及效应量计算分析

6.4摘要独立样本T检验及效应量计算分析6.5成对样本T检验及效应量计算分析

6.6均值比较分析报告的参考样例

第六章比较平均值独立样本与相关样本独立样本：两个样本里的元素相互独立，不存在成双成对的关系。此时两个样本的容量不一定相等。相关样本（成对样本、配对样本）：两个样本里的元素存在成双成对的关系。如同一批人的前测和后测成绩，双生子实验。此时两个样本的容量必然相等。思考：一个班有30个男生和30个女生，要比较男女考试成绩的差异，这属于哪种样本？6.3独立样本T检验及效应量计算分析

对于相互独立的两个来自正态总体的样本，利用独立样本T检验来检验这两个总体的均值是否相等。6.3独立样本T检验及效应量计算分析

案例：【例6-3】按照随机化原则在初一学生中选择男生35名，女生35名进行推理能力测验，数据文件为“推理能力测验.sav”。分析男生、女生的推理能力分数之间是否有差异？第3步：设置分析变量。从左边的变量列表中选择变量，将“推理能力分数”变量选到“检验变量”框里；

将“性别”变量选入到“分组变量”框里。此时，在分组变量“性别”后面就出现了“（？？）”，需要用户进一步定义。第1步：打开数据文件。打开“推理能力测验.sav”文件。第2步：启动分析过程。点击【分析】

【比较平均值】

【独立样本T检验】，打开对话框。

点击【定义组】按钮，弹出如下对话框：第4步：设置输出的统计量。点击主对话框中右边的【选项】按钮，弹出对话框：第5步：在主对话框中点击【确定】按钮。SPSS在输出窗口输出结果。第6步：结果分析。第一个表：组统计量第二个表：独立样本T检验（1）先看莱文方差等同性检验（Levene’s方差齐性检验）。如果两组方差齐性，就看第一行的结果；否则，就看第二行的结果。这里F值为0.077，所对应的显著性水平为0.782＞0.05，接受原假设，结论：两个组别方差齐性。因此，在本例中，选择第一行的T检验的结果。（2）t值是4.555，对应的显著性水平小于0.05，拒绝原假设。得出结论：男女的推理能力测验分数有显著差异。效应量和统计检验力的原理、计算过程，具体可参考这两本教材：胡竹菁.(2019).心理统计学(第二版).北京:高等教育出版社.温忠麟.(2016).心理与教育统计(第二版).广州:广东教育出版社.6.1平均值分析

6.2单样本T检验及效应量计算分析

6.3独立样本T检验及效应量计算分析

6.4摘要独立样本T检验及效应量计算分析6.5成对样本T检验及效应量计算分析

6.6均值比较分析报告的参考样例

第六章比较平均值6.4摘要独立样本T检验及效应量计算分析摘要独立样本T检验是指：原始测量数据未知或丢失，只知道两个比较组别的样本数量、平均值、标准差，在这种情况下而进行的一种均值比较T检验。案例：【例6-4】在甲乙两个学校分别抽取100名16岁的男生进行智力测验，测得的平均分分别为115分和111分。根据常模，该年龄组男生智商的标准差为15。请检验两个学校男生在智商方面是否有显著差异？（此例引自胡竹菁《心理统计学》教材第122页的例6-7）第1步：启动分析过程。点击【分析】

【比较平均值】

【摘要独立样本T检验】，打开对话框。第2步：在主对话框中，根据目前已知两个组别的信息，分别在“样本1”、“样本2”的框中输入个案数、平均值、标准差，同时输入样本1、样本2的标签。第3步：在主对话框中点击【确定】按钮，提交执行。SPSS在输出窗口输出结果。

第4步：结果分析。第一个表：摘要数据第二个表：独立样本检验（1）两个组别方差齐性。因此，在本例中，选择第一行的t检验的结果。（2）t值是1.886，对应的显著性水平0.061，大于0.05，接受原假设。得出结论：两个学校男生的智商分数没有显著差异。根据Cohen的效应量计算公式得，d=0.264，为小效应量。由以上计算可知，本例的统计量检验不显著（p大于0.05，接受原假设H0）,并且是小效应量。此时可以认同此统计结论，在此情境下不需要进一步探讨研究。此时可以不计算统计检验力。案例：【例6-5】在一项关于记忆方法对记忆单词成绩的影响研究中，将被试随机分成两组，在完成记忆任务之后，以被试回忆或描述记忆单词的数量作为记忆成绩。其中实验组（使用了实验指定的记忆方法）35人，得到的记忆成绩平均值为16，标准差为2.2；对照组（未使用指定的记忆方法）35人，得到的记忆成绩平均值为11，标准差为4.3，试问实验组与对照组的记忆成绩是否有显著差异。第1步：启动分析过程。点击【分析】

【比较平均值】

【摘要独立样本T检验】，打开对话框。第2步：在主对话框中，根据目前已知两个组别的信息，分别在“样本1”、“样本2”的框中输入个案数、平均值、标准差，同时输入样本1、样本2的标签“实验组”、“对照组”。第3步：在主对话框中点击【确定】按钮。SPSS在输出窗口输出结果。第4步：结果分析。第二个表：独立样本检验第一个表：摘要数据（1）Hartley等方差检验F值为3.820，所对应的显著性水平为0.0001<0.05，拒绝原假设，结论：两个组别方差不齐性。因此，在本例中，选择第二行的t检验的结果。（2）t值是6.124，对应的显著性水平小于0.05，拒绝原假设。得出结论：实验组与对照组的记忆成绩有显著差异。

由以上计算可知，本例的统计量检验显著，并且是大效应量。大效应量说明统计结论可信度高，应认同此结论。6.1平均值分析

6.2单样本T检验及效应量计算分析

6.3独立样本T检验及效应量计算分析

6.4摘要独立样本T检验及效应量计算分析6.5成对样本T检验及效应量计算分析

6.6均值比较分析报告的参考样例

第六章比较平均值6.5成对样本T检验及效应量计算分析

成对样本T检验（Paired-SamplesTTest），也称为配对样本T检验、相关样本T检验，可对配对资料进行显著性检验。

在心理学领域中，主要的配对资料包括：同对（年龄、性别、家庭背景等因素相同或相似者）或同一研究对象分别给予两种不同处理的效果比较，以及同一研究对象处理前后的效果比较。案例：【例6-6】在培训前，使用某一能力测验对一批被试进行了前测；经过3个月的训练后，再次使用同一能力测验对这批被试进行后测。在排除练习效应、疲劳效应影的响前提下，试问这两次测试的成绩是否能反映培训的有效性？第1步：打开分析数据。打开“能力测验的前测、后测.sav”文件。第2步：启动分析过程。点击【分析】

【比较平均值】

【成对样本T检验】菜单命令，打开对话框。从对话框左侧的变量列表中，选择“辅导前成绩”点击向右钮，进入右边的“配对变量”的列表框，在第1对的变量1。再选择“辅导后成绩”点击向右钮，进入右边的“配对变量”的列表框，在第1对的变量2。或者同时选中“辅导前成绩”、“辅导后成绩”，点击向右钮。当然，如果有多个配对变量，还可以设置第2对或更多对。第3步：设置输出的统计量。点击主对话框中右边的【选项】按钮，弹出对话框：第4步：在主对话框中点击【确定】按钮，提交执行。SPSS在输出窗口输出结果。

第5步：结果分析。第一个表：配对样本统计第二个表：配对样本相关性“辅导前成绩”和“辅导后成绩”变量的相关系数为0.930，对应的显著性水平p小于0.05，即拒绝原假设。结论：“辅导前成绩”和“辅导后成绩”相关显著。第三个表：配对样本检验此表显示变量“辅导前成绩”、“辅导后成绩”相减的差值均数、标准差、标准误95%可信区间。配对检验结果为：t=-6.155，对应的显著性p<0.05，拒绝原假设。结论：培训前后差异显著。

由以上计算可知，统计量检验显著，并且是小效应量。

小效应量说明统计结论的可靠性较低，还需进一步的研究资料佐证此结论，研究结果推广时要慎重。1、这里报告“辅导前成绩”与“辅导后成绩”之间的皮尔逊相关系数显著相关，但“辅导前成绩”与“辅导后成绩”之间差异显著，怎么理解？【思考题】参考提示：相关系数反映了一个变量与另外一个变量之间的数据变动关系。换句话说，当一个变量变动时，另一个变量也相应地发生相应的变动（包括大小、方向）。如果两个变量变化趋势一致，那么相关系数就是正数。如果变化趋势相反，那么相关系数为负。两个变量之间的差异检验，是指两个变量的平均值（中心位置）之间的大小比较，是否有显著差异。在本例中，两个变量的相关系数有显著相关，而这两个变量的平均值之间的差异显著性。2、如何区分单样本T检验与独立样本T检验？参考提示：（1）单样本T检验，主要考查一个样本与总体均值是否有差异。做分析时，需要输入一个总体均值。（2）独立样本T检验，主要是考查两个相对独立的样本背后的总体均值之间是否有差异？这里的独立样本的含义是指，分类相对独立的两个样本，两个样本的元素之间不存在一一对应的关系。在进行独立样本T检验时，需要定义分组变量。3、如何区分独立样本T检验与配对样本T检验？参考提示：独立样本T检验中，独立样本是指相对独立的两个样本（两个小组，但这两组数据是在同一列变量里。例如男、女信息都在性别变量中。配对样本T检验中是针对两个配对样本（相关样本）的T检验，两个小组的数据是成对匹配的，每一个配对之间是有一定的关系。两组数据分别在两列变量里。6.1平均值分析

6.2单样本T检验及效应量计算分析

6.3独立样本T检验及效应量计算分析

6.4摘要独立样本T检验及效应量计算分析6.5成对样本T检验及效应量计算分析

6.6均值比较分析报告的参考样例

第六章比较平均值6.6均值比较分析报告的参考样例

本章T检验统计分析需要报告样本数、均值、标准差、t值、p值（或用*表示），假设检验的结论（接受或拒绝原假设），以及具体研究的研究结论，效应量和统计检验力。一、单样本T检验报告的参考样例样本的平均值为95.53，小于总体均值，t对应的显著性水平为0.014<0.05，拒绝原假设。结论：该学校学生智力分数与总体均值有显著差异，且低于总体均值。效应量为0.407，是小效应量，说明此统计结论的可靠性较低，可能还需要进一步的研究资料来佐证此统计结论。补充说明：（1）在呈现统计结果的表格同时，也需要对统计结果进行解释说明，并作出统计结论。（2）在以往论文研究报告，或SPSS输出结果中，当p值小于0.05时，用*表示；当p值小于0.01时，用**表示；当p值小于0.001时，用***表示。现在在研究论文中一般报告p值。p值或标识*号，两者只需要选择其中一种方式。二、独立样本T检验报告的参考样例

在语文课程成绩的均值比较检验t为2.630，显著性水平为0.025>.05，拒绝原假设。结论：城镇与农村学生在语文课程成绩的平均值有显著差异，而且是城市学生语文成绩显著高于农村。效应量为0.636，是中效应量，说明此统计结论的可靠性相对较高，在较高的程度上可以接受此统计结论。城镇与农村学生在数学课程成绩的均值比较检验t为0.202，显著性水平为0.840>0.05，接受原假设。结论：城镇与农村学生在数学课程成绩的平均值没有差异。效应量为0.0455，为小效应量，无需计算统计检验力，也无需进一步探讨此结论，即城镇与农村学生在数学课程成绩的平均值没有差异。三、成对样本T检验报告的参考样例

辅导前后测试成绩的相关系数为0.930，显著性水平小于0.05，拒绝原假设，说明辅导前后测试成绩相关显著。均值比较检验的t值为-6.155，显著性水平小于0.05，拒绝原假设。结论：辅导前后测试成绩之间有显著差异，而且是辅导后测试成绩高于辅导前测试成绩