使用SPSS進行獨立樣本t檢定

閱讀時間約 3 分鐘
t檢定用於比較兩個平均數之間的差異。本文章會詳細介紹如何使用SPSS進行獨立樣本t檢定,並介紹如何詮釋統計報表。

簡介

獨立樣本t檢定適用於獨立樣本,也就是受試者是互相獨立的個體,也就是說,受試者之間的作答並不會互相影響,這意味著一個樣本中的值不會影響另一個樣本中的值。舉例來說,老師想了解班上的成績是否有性別差異,於是隨機抽取班上各三十名男生和女生,比較男生和女生的成績平均數。自變項為類別變項,依變項為連續變項,要注意的是,自變項只能有兩個水準,若超過兩個水準(例如:高、中、低年級),就不能用t檢定,變項架構如下:
自變項:二分類別變項。例如:性別(男生/女生)
依變項:連續變項。例如:成績(0~50分)

基本假定

獨立樣本t檢定需要滿足基本假定才能分析,否則結果很可能會有偏誤,假定如下:
  1. 常態化:兩組受試者(樣本)來自各自的母群體,其母群在依變項都呈現常態分配。
  2. 獨立性:受試者(樣本)都是互相獨立
  3. 變異數同質性:兩組受試者(樣本)的母群體之變異數需要相等,也就是說,兩個母群的離散狀況一樣。當此假設相當重要,若違反時,SPSS提供另外的校正統計公式。

上機操作

使用的上述範例,變項如下:
自變項:性別(男生-1/女生-0)
依變項:成績(0~50分)
分組變數為自變項,檢定變數放依變項,接下來按定義群組
設定兩個群組的數字,群組1寫0(女生),群組2寫1(男生),然後按繼續
兩組樣本的敘述統計,男生和女生皆為114人(N)
先看Levene檢定(見上圖),若顯著性(黃標)大於.05,代表兩組變異數並無顯著差異,結果就要看採用相等變異數;若若顯著性(黃標)小於.05,代表兩組變異數顯著具有差異,結果就要看不採用相等變異數。
接下來看t檢定結果(見上圖),若採用相等變異數,就看上面的顯著性(黃標),反之,若採用不相等變異數,就看下面的顯著性。顯著性若大於.05,代表兩組在依變項的平均數有顯著差異。
在本範例中,Levene檢定顯示變異數具有同質性(F = 0.612, p = 0.435)。t檢定結果顯示性別具有顯著差異(t= -3.080, p = 0.002),男生(M = 32.80)比女生(M = 29.40)有更好的成績。

效果量

當t檢定達到顯著後,我們可以進一步求效果量,效果量代表實用顯著性,代表在真實世界中兩者差異是否真的足夠大。此外t檢定的顯著性會受樣本量影響,樣本越大,顯著性越小,也就是說,可能人數少時,性別沒有顯著差異,人數多時,性別就產生顯著差異了。效果量則幾乎不會受到樣本量影響。
就我經驗,t檢定大多採用Cohen's d 作為效果量,其計算公式如下:
Cohen's d = (M2 - M1) ⁄ SD(pooled)
1跟2代表各組,M為平均數,SD(pooled)公式如下:
SDpooled = √((SD1平方 + SD2平方) ⁄ 2)
SD代表標準差,√代表開根號
SPSS無法幫我們計算Cohen's d ,我們要自己從結果帶入上述公式手算。幸運的是,有國外網站可以幫我們計算Cohen's d值,簡直是懶人福音。
參考Cohen指南,可以Cohen's d分成三種大小的效應,但要注意的是,這只是經驗法則,並非絕對正確,本範例的Cohen's d = 0.40,屬於小效果量:
  • Small effect = 0.2
  • Medium Effect = 0.5
  • Large Effect = 0.8
【這次文章就到這邊了,寫作不易,請按愛心支持我,若有問題歡迎留言~】
您的研究遇到了統計分析的困難嗎?您需要專業的統計諮詢和代跑服務嗎?請點我看提供的服務
164會員
92內容數
文章內容以圖像式和步驟化方式,教您如何在各種統計軟體中(例如:SPSS、R和Mplus),執行多種統計方法。此外,我還會分享一些學術和科技新知,幫助您在學術之路上走得更順利。
留言0
查看全部
發表第一個留言支持創作者!