第五章 平均水平的比较
第一节 Means过程 5.1.1 主要功能 5.1.2 实例操作
第二节 Independent-Samples T Test过程 5.2.1 主要功能 5.2.2 实例操作
第三节 Paired-Samples T Test过程 5.3.1 主要功能 5.3.2 实例操作
第四节 One-Way ANOVA过程 5.4.1 主要功能 5.4.2 实例操作
在正态或近似正态分布的计量资料中（如临床常见的体温、血压、脉搏、身高、体重等测量值，几乎均为此类资料），经常在使用前一章计量资料描述过程分析后，还要进行组与组之间平均水平的比较。本章将分四节分别介绍这一统计方法：即常用的ｔ检验和单因素方差分析。
第一节 Means过程
5.1.1 主要功能
与第四章中Descriptives过程相比，若仅仅计算单一组别的均数和标准差，Means过程并无特别之处；但若用户要求按指定条件分组计算均数和标准差，如分性别同时分年龄计算各组的均数和标准差，则用Means过程更显简单快捷。
返回目录
返回全书目录
5.1.2 实例操作
对象编号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
［例５.1］某医师测得如下血红蛋白值（g%），试作基本的描述性统计分析：
性别 女 男 女 女 男 男 女 男 女 女 男 男 男 女 女 女 男 男 女 男 年龄 18 16 18 17 16 18 16 18 18 17 18 18 16 17 17 17 17 16 16 18 血红蛋白值 12.83 15.50 12.25 10.06 10.88 9.65 8.36 11.66 8.54 7.78 13.66 10.57 12.56 9.87 8.99 11.35 14.56 12.40 8.05 14.03 对象编号 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 性别 女 男 男 女 女 女 女 男 男 男 男 女 女 女 男 男 男 男 女 男 年龄 16 16 18 18 17 18 17 16 16 18 16 16 18 18 18 18 17 17 16 16 血红蛋白值 11.36 12.78 15.09 8.67 8.56 12.56 11.56 14.67 7.88 12.35 13.65 9.87 10.09 12.55 16.04 13.78 11.67 10.98 8.78 11.35
5.1.2.1 数据准备 激活数据管理窗口，定义变量名：性别为sex，年龄为age，血红蛋白值为hb。按顺序输入数据(sex变量中，男为1，女为2)，结果见图5.1。
图5.1 原始数据的输入
5.1.2.2 统计分析 激活Statistics菜单选Compare Means中的Means...项，弹出Means对话框（如图5.2示）。今欲分性别同时分年龄求血红蛋白值的均数和标准差，故在对话框左侧的变量列表中选hb，点击?钮使之进入Dependent List框，选sex 点击?钮使之进入Independent List框，点击Next，可选定分组的第二层次（Layer 2 of 2)，选age 点击?钮亦使之进入Independent List框。点击Options...可选统计项目：在Cell Displays项中，Mean为均数、Standard deviation为标准差、Variance为方差、Count为观察单位数、Sum为观察值总和，在Statistics for First Layer项中，将为第一层次的分组计算方差分析（ANOVA table and eta）和线性检验（Test of linearity）。选好后点击Continue钮返回Means对话框，点击OK钮即可。
图5.2 Means对话框
5.1.2.3 结果解释 在结果输出窗口中将看到如下统计数据：
- - Description of Subpopulations - - Summaries of HB By levels of SEX AGE Variable Value Label Sum Mean Std Dev Variance Cases For Entire Population 457.79 11.4448 2.2690 5.1484 40 SEX 1 265.71 12.6529 2.0531 4.2154 21 AGE 16 111.67 12.4078 2.2455 5.0423 9 AGE 17 37.21 12.4033 1.8993 3.6074 3 AGE 18 116.83 12.9811 2.0933 4.3821 9 SEX 2 192.08 10.1095 1.6989 2.8863 19 AGE 16 46.42 9.2840 1.3494 1.8209 5 AGE 17 68.17 9.7386 1.4036 1.9700 7 AGE 18 77.49 11.0700 1.9158 3.6703 7 Total Cases = 40 For Entire Population一行表示40个观察值合计为457.79，均数为11.4448，标准差为2.2690，方差为5.1484，例数为40；接下去各行分别表示先按性别分组（分男性与女性），再按年龄分组（16，17，18岁三组）的观察值合计、均数、标准差、方差和例数。 若在Independent List中未分层次，即sex和age一起放在Layer 1 of 1中，则结果是分别计算男性与女性（不作年龄分组）、16，17，18岁三组（不作性别分组）的观察值合计、均数、标准差、方差和例数（如下所示）。 - - Description of Subpopulations - - Summaries of HB By levels of SEX Variable Value Label Sum Mean Std Dev Variance Cases For Entire Population 457.79 11.4447 2.2690 5.1484 40 SEX 1 265.71 12.6529 2.0531 4.2154 21 SEX 2 192.08 10.1095 1.6989 2.8863 19 Total Cases = 40 Summaries of HB By levels of AGE Variable Value Label Sum Mean Std Dev Variance Cases For Entire Population 457.79 11.4448 2.2690 5.1484 40 AGE 16 158.09 11.2921 2.4649 6.0759 14 AGE 17 105.38 10.5380 1.9421 3.7719 10 AGE 18 194.32 12.1450 2.1827 4.7640 16 Total Cases = 40
返回目录
返回全书目录
第二节 Independent-Samples T Test过程
5.2.1 主要功能
调用此过程可完成两样本均数差别的显著性检验，即通常所说的两组资料的t检验。
返回目录
5.2.2 实例操作
病 人 健康人
返回全书目录
［例５.2］分别测得14例老年性慢性支气管炎病人及11例健康人的尿中17酮类固醇排出量（mg/dl）如下，试比较两组均数有无差别。
2.90 5.41 5.48 4.60 4.03 5.10 4.97 4.24 4.36 2.72 2.37 2.09 7.10 5.92 5.18 8.79 3.14 6.46 3.72 6.64 5.60 4.57 7.71 4.99 4.01
5.2.2.1 数据准备
激活数据管理窗口，定义变量名：把实际观察值定义为x，再定义一个变量group来区分病人与健康人。输入原始数据，在变量group中，病人输入1，健康人输入2。结果如图5.3所示。