導(dǎo)讀
對面來了一個美女，我們會首先對其打量一番，高矮和胖瘦是最直觀的描述，對于數(shù)據(jù)也是一樣，在獲得一堆數(shù)據(jù)之后，我們也需要直觀的先去看一下數(shù)據(jù)的狀態(tài)：集中趨勢（高矮）——平均值和離散趨勢（胖瘦）——標(biāo)準(zhǔn)差。所以數(shù)據(jù)描述是第一步，其次才是對數(shù)據(jù)的深層次挖掘。
均數(shù)是生活中常用到的定量資料描述指標(biāo)，計算方式就是數(shù)據(jù)之和除以樣本含量。我們每天都會聽到平均收入、平均成績等平均數(shù)，但是平均數(shù)不一定都是均數(shù)，平均數(shù)只是均數(shù)的一種量化方式， 并不完全等同于均數(shù)。
比如說，剛剛畢業(yè)的你在網(wǎng)上看到了兩家公司的招聘信息，甲公司說員工的平均月薪為1萬元，乙公司說員工的平均月薪為1.3萬元，你可能會毫不猶豫地選擇乙公司，但這個選擇真的合理嗎？未必如此，因為單憑平均月薪無法判斷到底哪個公司更好，這種沖動的選擇可能會讓你錯失更好的機會。
既然是平均薪資，那么肯定有人高于該值，有人低于該值，我們注重的應(yīng)該是到底有多少人高于或低于這個平均值呢。我們看一下下面給出的兩張圖，它們的均數(shù)都是1萬元，但是反映出來的情況卻是完全不同的：
A公司員工收入
B公司員工收入
A公司每個員工的工資都在均數(shù)附近上下波動，并且波動的幅度很??；B公司中有一個值顯得很突兀，竟然達(dá)到了3萬元?，F(xiàn)在讓你在A、B兩家公司中選一家，你會選擇哪個呢？相信多數(shù)人會選A公司吧，除非你堅信自己能達(dá)到B公司中那個突出的值。
所以，盡管均數(shù)是相同的，它反映的情況也可能會完全不同。如果你和馬云取平均收入的話，那你厲害了，你肯定覺得自己已經(jīng)達(dá)到了富翁的層次，然而，這是沒有價值的。（我還是很努力的，昨天我和馬云兩個人的財富加起來都沒有馬化騰多，昨晚上我連夜加班賺錢，今天一早我和馬云的財務(wù)終于又趕超馬化騰啦。人??！一定要努力，不然怎么跟中國首富斗？）
這個時候就必須來看一下描述數(shù)據(jù)的波動大小，反映數(shù)據(jù)波動大小的指標(biāo)就是：標(biāo)準(zhǔn)差。“波動大小”的統(tǒng)計學(xué)上的專業(yè)術(shù)語就是“離散程度”。標(biāo)準(zhǔn)差和均值的量綱（單位）是一致的，在描述一個波動范圍時標(biāo)準(zhǔn)差比方差更方便。（方差只是計算標(biāo)準(zhǔn)差的中間環(huán)節(jié)）。
例如，一個班男生的平均身高是170cm, ,方差是100cm2，那么就是標(biāo)準(zhǔn)差是10cm。可以進(jìn)行的比較簡便的描述是本班男生身高分布是170±10cm，而方差就無法做到這點。
再例如，對面來了一個美女，我們會首先對其打量一番，高矮和胖瘦是最直觀的描述，對于數(shù)據(jù)也是一樣，在獲得一堆數(shù)據(jù)之后，我們也需要直觀的先去看一下數(shù)據(jù)的狀態(tài)：集中趨勢（高矮）——平均值和離散趨勢（胖瘦）——標(biāo)準(zhǔn)差。所以數(shù)據(jù)描述是第一步，其次才是對數(shù)據(jù)的深層次挖掘。
所以數(shù)據(jù)描述是第一步，其次才是對數(shù)據(jù)的深層次挖掘。
科研實務(wù)｜學(xué)會假設(shè)檢驗，讓你遠(yuǎn)離渣男！
假設(shè)檢驗，就是事先對總體參數(shù)或總體分布形式作出一個假設(shè)，然后利用樣本信息來判斷原假設(shè)是否合理，即判斷樣本信息與原假設(shè)是否有顯著差異，從而決定是否接受或否定原假設(shè)。簡單來說：假設(shè)檢驗采用的邏輯推理方法是反證法。
有一天，你懷疑你的男朋友最近可能與另外一個女孩聯(lián)系頻繁，有變心的趨向，但是自己邏輯能力太差，不敢輕易判斷自己推測的正確性，因此就請了學(xué)統(tǒng)計學(xué)的'偵探’來幫你破案。
于是，我就拿出了自己的殺手锏武器，也就是破案的常用套路：假設(shè)檢驗。
我需要明確問題是什么？
問題：女孩要驗證男朋友是否變心了？
根據(jù)這個問題我提出來下面兩個互為相反的假設(shè)：
零假設(shè)（H0）：男孩沒有變心
備選假設(shè)（H1）：男孩變心了
試想，如果我們有確鑿的證據(jù)證明零假設(shè)不成立，那么，它的對立面?zhèn)溥x假設(shè)就肯定是成立的。
零假設(shè)與備擇假設(shè)在邏輯上是互補的，就是一對對立事件，推翻了其中一個，對立的那個必須得到肯定，毋庸置疑！
再看這個例子，如果我能找到足夠強的證據(jù)來否定零假設(shè)（也就是男孩沒有變心），那么我就能信心十足的說零假設(shè)不成立，備選假設(shè)自然當(dāng)選。
好了，接下來的問題就是：如何尋找證據(jù)。我們來看第2步。
證據(jù)是什么？
根據(jù)中心極限定理，我們知道，足夠多的樣本可以代表總體。所以我要找到男孩合理的樣本數(shù)據(jù)來做證據(jù)。
接下來，我隨機讓女孩調(diào)查了男孩這幾年的樣本數(shù)據(jù)，包括上網(wǎng)，開房，財務(wù)等。根據(jù)女孩查到的所有數(shù)據(jù)，我利用自己的專業(yè)知識計算了零假設(shè)成立的前提下，男孩沒有變心的概率。
算出的結(jié)果真是讓我大吃一驚，在零假設(shè)成立的前提下，樣本數(shù)據(jù)計算出男孩沒有變心的概率是0.01%（是不是小到懷疑人生？）。
這個概率值有自己的專屬名字，叫做p值。也就是，在零假設(shè)成立的前提下，得到樣本觀察結(jié)果出現(xiàn)的概率。
在這里p值就是在零假設(shè)成立的前提下（男孩沒有變心），用樣本證據(jù)計算出的男孩沒有變心的概率，p=0.01%
判斷標(biāo)準(zhǔn)是什么？
不能因為p值小就立馬說明人家男孩變心了，錯誤的判斷會影響他們之間的關(guān)系和生活。所以，提前制定好一個定罪的標(biāo)準(zhǔn)，有助于我能做到：不放過任何一個渣男，幫助女孩更深的認(rèn)識現(xiàn)在的男朋友，并且做出選擇。
因為我定的零假設(shè)是：男孩沒有變心。所以這里定的標(biāo)準(zhǔn)是，如果男孩沒有變心的概率≤5%，那么就直接否定了零假設(shè)，也就是男孩沒有變心不成立。
這里比較難理解，男孩沒有變心的概率≤5%，它的反面就是男孩已經(jīng)變心的概率大于95%，所以男孩有很大概率變心了，因此把零假設(shè)：男孩沒有變心否定了。
這里用于做出決策的標(biāo)準(zhǔn)5%，在假設(shè)檢驗里叫做“顯著性水平”，用符號α表示，是一個概率值。
得出結(jié)論
那么，男孩到底有沒有變心呢？我們將樣本證據(jù)計算出的p值與'定罪’標(biāo)準(zhǔn)α比較一下就可以了：
如果pα，那么拒絕零假設(shè)，也就是備選假設(shè)成立。
如果pα，那么零假設(shè)成立，接受零假設(shè)。
你又問了，這是什么意思呢？其實：α是判斷標(biāo)準(zhǔn)，也就是小于這個值就表示零假設(shè)不成立。p值在零假設(shè)成立前提下，用樣本證據(jù)得出的概率，在這里表示有樣本證據(jù)得出男孩沒有變心的概率。
通過比較這兩個值，我們會驚奇的發(fā)現(xiàn)：p遠(yuǎn)遠(yuǎn)小于α！
小哥哥，樣本證據(jù)對你大大不利啊。本想零假設(shè)證明你沒有變心的，但是被我們收集到的證據(jù)，也就是你沒有變心的概率只有0.01%，這個數(shù)值與我們的標(biāo)準(zhǔn)相差甚遠(yuǎn)啊。所以，我可以大膽的拒絕零假設(shè)。
回頭去看我們一開始的假設(shè)：如果零假設(shè)不成立，那么備選假設(shè)成立?，F(xiàn)在我們已經(jīng)得出零假設(shè)不成立了，所以備選假設(shè)成立，也就是男孩變心了。我將這個毫無破綻的推理過程告訴女孩后，女孩很生氣，但是也很慶幸認(rèn)識到了這個男人可恨的一面，立刻做出抉擇：給他兩巴掌后分手。
福爾摩斯說：一旦排除所有的不可能，剩下的不管多么難以置信，一定就是真相。
福爾摩斯還說過：一定要遠(yuǎn)離渣男！
總結(jié)一下假設(shè)檢驗的步驟
?根據(jù)問題的要求提出假設(shè)，寫明原假設(shè)H0與備擇假設(shè)H1的具體內(nèi)容；
?根據(jù)的內(nèi)容，建立檢驗統(tǒng)計量并確定其分布；
?對給定的顯著性水平α，由統(tǒng)計量的分布查表或計算確定出臨界值，進(jìn)而得到H0的拒絕域和接受域；
?根據(jù)的內(nèi)容，建立檢驗統(tǒng)計量并確定其分布；
?做出判斷：當(dāng)統(tǒng)計量的值落入H0的拒絕域時就拒絕H0，否則接受Ho。
樣本推斷總體——假設(shè)檢驗
假設(shè)檢驗
總體參數(shù)的假設(shè)檢驗是樣本推斷總體的一種形式。樣本推斷總體的假設(shè)檢驗有三種情況：1.總體平均數(shù)的假設(shè)檢驗（Z 、 T）；2.總體比率的假設(shè)檢驗（P）；3.總體方差的假設(shè)檢驗（卡方、F）。今天我們先來了解一下假設(shè)檢驗的基本思想。
假設(shè)檢驗的基本思維是：先假設(shè)，得到結(jié)論，然后用已知的材料或事實與假設(shè)得到的結(jié)論進(jìn)行比較、分析，最后做出推斷。
例如，神經(jīng)學(xué)家想測試一種藥物對反應(yīng)時間的效果，怎么辦？已知：沒有注射藥物的老鼠的平均反應(yīng)時間是1.2秒。
1.抽樣：對100只老鼠注射一單位計量的藥物
2.收集樣本數(shù)據(jù)：對其神經(jīng)進(jìn)行刺激，記錄反應(yīng)時間
3.分析樣本數(shù)據(jù)：計算平均反應(yīng)時間x=1.05秒，標(biāo)準(zhǔn)差s=0.5秒。
那么，1.05s≠1.2s 藥物對反應(yīng)時間到底有沒有效果？？？
提出假設(shè)：
1.藥物對反應(yīng)時間沒有效果？（值不相等是由于抽樣誤差造成的）
2.藥物對反應(yīng)時間有效果？
我們再看一個例子：
某餐廳每天營業(yè)額服從正態(tài)分布，以往老菜單其均值為8000元，標(biāo)準(zhǔn)差為640元。一個新菜單掛出后，九天中平均營業(yè)額為8300元，經(jīng)理很想知道這個差別是否是由于新菜單而引起的①（還是由于抽樣誤差引起的——這個抽樣9天的數(shù)據(jù)正好抽中了銷售額最好的9天②）——提出假設(shè)
上面的兩個例子的討論就是假設(shè)檢驗的思想的第一步：提出假設(shè)
科研實務(wù)｜方差分析和t檢驗的區(qū)別與聯(lián)系
區(qū)別：
方差分析又稱“ 變異數(shù)分析”，是R.A.Fisher發(fā)明的，用于兩個及兩個以上 樣本均數(shù)差別的顯著性檢驗。T檢驗主要用于樣本含量較?。ɡ鏽<30，至于＞30的時候則采用Z檢驗或U檢驗，下次再講）， 總體標(biāo)準(zhǔn)差σ未知的正態(tài)分布資料。t檢驗只能用于兩樣本均數(shù)及樣本均數(shù)與總體均數(shù)之間的比較。方差分析可以用于兩樣本及以上樣本之間的比較。
聯(lián)系：
兩者都要求比較的資料服從正態(tài)分布；而且兩樣本均數(shù)的比較及方差分析均要求比較都有相同的總體方差（方差齊性）；配伍組比較的方差分析是配對比較t檢驗的推廣，成組設(shè)計多個樣本均數(shù)比較的方差分析是兩樣本均數(shù)比較t檢驗的推廣；對于兩個樣本之間的比較，方差分析和t檢驗效果是相同的，且有：
方差分析主要用途：
①均數(shù)差別的顯著性檢驗；
②分離各有關(guān)因素并估計其對總變異的作用；
③分析因素間的交互作用；
④方差齊性檢驗。
方差分析的應(yīng)用下一輯再講！
科研實務(wù)｜為什么研究樣本均值最后變成研究方差分析？
先來總結(jié)一下T檢驗。
T檢驗是用t分布理論來推論差異發(fā)生的概率，從而比較兩個平均數(shù)的差異是否顯著，如果差異顯著，就說明兩個均數(shù)之間是有差異的，接下來就是誰數(shù)值大誰就好。下面再用圖示來回顧一下：
我們知道兩個均數(shù)：x1與x2，想要看一下這兩個均數(shù)之間的差異是否顯著？我們的思路是通過計算：x1-x2=差，用這個“差”與“0”（作為一個基準(zhǔn)）做比較，看一下這個差異是否顯著。因為，我們首先要做一個假設(shè)H0：這兩個均數(shù)（x1與x2）是沒有差異的，也就是它倆的“差”與“0”相比是沒有差異的，統(tǒng)計p值是大于0的。但是，經(jīng)過計算之后，發(fā)現(xiàn)p值是小于0的，也就是它們之間有差異。就推翻了H0假設(shè)。（至于說x1和x2是怎么來的？這是你抽樣調(diào)查的結(jié)果，比如，我們從高三1班抽樣，得到高三1班的數(shù)學(xué)平均成績是x1；從高三2班抽樣，得到高三2班的數(shù)學(xué)平均成績x2，我們想比較兩個班數(shù)學(xué)成績之間是否差異，差異是否顯著？就是用T檢驗。把數(shù)學(xué)成績換成某類患者的抑郁、焦慮、生活質(zhì)量、自我管理能力等等都可以，思路是一樣的。）
上面說的是有關(guān)T檢驗的圖示，下面我們來看一下方差分析的思路：
我們都知道方差表示一個值距離平均值的遠(yuǎn)近程度，方差分析(Analysis of Variance，簡稱ANOVA)，又稱“變異數(shù)分析”，是R.A.Fisher發(fā)明的，用于兩個及兩個以上樣本均數(shù)差別的顯著性檢驗。 由于各種因素的影響，研究所得的數(shù)據(jù)呈現(xiàn)波動狀。造成數(shù)據(jù)圍繞均值波動（數(shù)據(jù)圍繞樣本均值波動就是方差嗎）的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結(jié)果形成影響的可控因素。
如上圖：，有三組均數(shù)：x1、x2、x3，通過圖可以看出，x1、x2、x3之間是有差異的，這個差異的來源有兩個：一是某種處理因素（干預(yù)）造成的；二是來自組內(nèi)的個體之間的變異（隨機誤差）。方差分析的原理就是通過用總得變異除以組內(nèi)的變異，這個商就是F值，如果p值大于0，差異沒有顯著性，如果p值小于0，則差異具有顯著性。一般經(jīng)驗來說，F(xiàn)值大于3，則一般差異具有統(tǒng)計學(xué)意義。
方差分析的SPSS操作：
從上面的分析選項中也可以看出，方差分析是放在“均值比較這一欄”。
因為我們在比較多組均值的時候，并不是僅僅比較多組之間有無差異，還要具體分析哪兩組間差異如何，所以要進(jìn)行時候兩兩比較（這個在下一輯中細(xì)講）。
以上為方差分析的思路，我們下一輯中還會繼續(xù)講解方差分析的細(xì)節(jié)部分。希望大家可以點贊＋轉(zhuǎn)發(fā)支持一下，謝謝！
科研實務(wù)｜“兩獨立樣本均值T檢驗——SPSS實戰(zhàn)”
今天我們講解T檢驗——兩獨立樣本T檢驗。
說到T檢驗，我們先來回答一個問題：T檢驗屬于單因素分析嗎？那么，T檢驗與單因素方差分析有何關(guān)系？今天一個老師問我，說：想分析年齡與SDS變量（抑郁自評量表）是否相關(guān)，她首先將年齡與SDS做了一個散點圖，然后接著做了一個線性相關(guān)性分析，發(fā)現(xiàn)兩者是沒有關(guān)系的，她在想是不是把年齡做一個分組（比如，＜30歲、30~60歲、＞60歲）再去看他們之間是不是有相關(guān)性（或者說年齡是不是SDS的一個影響因素），最后的結(jié)果可想而知，答案是沒有相關(guān)性。上面說的這么復(fù)雜，簡化一下就是：如何判斷x與y是否相關(guān)？相關(guān)性與否這個結(jié)果是否與x的數(shù)據(jù)的表示方式有關(guān)？回答這個問題，我們先來看一個例子：
從上圖A中可以看出x與y的散點圖是沒有相關(guān)性的（y值不隨x值的變化而變化），也就是x與y沒有相關(guān)性如果我們將x分組，也不能改變x與y的關(guān)系，這是肯定的。所以上面講到的年齡與SDS評分之間的關(guān)系也是同樣道理。
老師又問，那么，如何判斷年齡是不是SDS評分的影響因素呢？不應(yīng)該是用相關(guān)性分析嗎？為什么有的論文中還用t檢驗?zāi)?？她還給我舉了一個例子：
為什么這個論文中，判斷“領(lǐng)導(dǎo)力課程參加與否”是否是RSLQ的影響因素，用的是T檢驗?zāi)兀?/p>
其實，單因素分析就包括：T檢驗、方差分析與卡方檢驗等；T檢驗是單因素分析的一種統(tǒng)計學(xué)方法。這個用上面的x與y的例子解釋，就是：如果一個變量x真的與y相關(guān)或者x是y的一個影響因素，那么x的分組之后，組與組之間也應(yīng)該有差異的。至于說這個問題中年齡與SDS評分的關(guān)系中，用T檢驗還是用方差分析，這是與x（年齡）分幾組有關(guān)系：如果是兩組，則用T檢驗；如果是三組，則用方差分析。其實真的是兩組的話，也是可以用方差分析的，因為方差分析的結(jié)果與T檢驗的結(jié)果是一樣的。記好了就可以：如果兩組間比較單因素方差分析和t檢驗的結(jié)果是相同的，單因素方差分析可以對兩組以上的分組進(jìn)行比較，而t檢驗只能兩兩比較。（大家可以自己去試一下，有疑問的可以加我微信17610173396討論。）
再來說一下：兩獨立樣本T檢驗
兩獨立樣本T檢驗(two independent samplest-test),又稱成組 t 檢驗。獨立樣本t檢驗跟配對樣本T檢驗的原理是一樣的，也是用來看兩組數(shù)據(jù)的平均值有無差異，與配對樣本t 檢驗的區(qū)別就在于方案的設(shè)計，也就是兩個樣本是獨立的還是配對的。比如，你選取了5男5女，想看男女之間身高有無差異，這樣，男的一組，女的一組，這兩個組之間的身高平均值的大小比較可用這種方法，因為男樣本和女樣本是獨立的（互不影響）。 這個獨立樣本t檢驗還會涉及到方差齊性檢驗，這點需要注意下。如果方差不齊，則要采用校正后的t檢驗，也就是t'檢驗。下面是步驟：
將核心基本統(tǒng)計量值：平均數(shù)、標(biāo)準(zhǔn)差、t值、p值等寫到論文中即可。（p值還是按照“大同小異”來判斷，p＞0.05代表相同，即沒有差異；p＜0.05代表不同，即有差異，至于誰大誰小，根據(jù)平均值來判斷。）
單樣本t檢驗都不會？！真是急Skr人！
計量資料指連續(xù)的數(shù)據(jù)，通常有具體的數(shù)值，如身高、體重、血壓、血紅蛋白、膽紅素和白蛋白等。在我們對計量資料進(jìn)行參數(shù)估計和統(tǒng)計推斷的時候，往往方法的選擇受各種條件的限制（比如，統(tǒng)計原理和公式），很多護理老師很難去判斷，動不動上來就進(jìn)行t檢驗或者卡方檢驗，這就造成了“千篇一律的統(tǒng)計方法”和“千篇一律的退稿”，那么，從今天起，我們艾德醫(yī)訊公眾號開始通過通俗易懂的圖示及案例講解，給大家講述不一樣的統(tǒng)計學(xué)。
首先，今天我們給大家講解的是t檢驗。t檢驗包括兩種類型：單樣本t檢驗、兩樣本t檢驗。今天先來看一下單樣本t檢驗。單樣本t檢驗是指：檢驗一個樣本平均數(shù)與已知的總體平均數(shù)的差異是否顯著。我們先來看一個例子：
如上圖，我們想要比較一下山東大學(xué)和山東師范大學(xué)在校大學(xué)生身高的差異（哪一個更高？）。我們已經(jīng)知道：山東大學(xué)在校大學(xué)生這個總體的平均值μ=178cm（每一個學(xué)生的身高匯總求出），但是山東師范大學(xué)在校大學(xué)生的身高μ=？我們不知道，我們知道的只是經(jīng)過抽樣得到的樣本的身高平均值x=170cm（如果去統(tǒng)計山東師范大學(xué)的全部在校大學(xué)生的身高工作量有點大，我們就偷懶抽取了一個樣本，用這個樣本去跟山東大學(xué)的值比較），那么，我們接下來要面臨兩個問題：①我們抽取的山東師范大學(xué)的這個樣本能否很好的反映山東師范大學(xué)在校大學(xué)生的身高（參數(shù)估計）？②用這個樣本的均數(shù)怎么去與山東大學(xué)去比較（統(tǒng)計推斷）？
我們不去管復(fù)雜的公式，我們可以試想一下，既然是樣本，那么這個樣本肯定是能夠反映這個總體（山東師范大學(xué)在校大學(xué)生身高）的情況，從理論上講，我們可以通過樣本的身高均數(shù)x可以推斷出總體身高的均數(shù)的一個范圍，比如這個范圍是：169-179cm，再用169-179cm這個范圍值去跟山東大學(xué)身高的平均數(shù)178cm去比較，看一下哪個更大，是不是就可以判斷出哪個學(xué)校在校大學(xué)生身高更高一些了？對吧！這就是單樣本t檢驗的原理。總結(jié)一下就是：我們?nèi)フ{(diào)查山東師范大學(xué)在校大學(xué)生全部身高這個工作量有點大，我們就抽取了一個能夠反映它的樣本，這個樣本的均數(shù)能夠估計出山東師范大學(xué)在校大學(xué)生身高這個總體的一個范圍值，然后用這個范圍值再與山東大學(xué)在校大學(xué)生身高的平均數(shù)比較，看一個哪個更高（或者說這兩個的差異）。
那么，到這明白之后，最后一個解決的問題就是怎么判斷？——用P值。（統(tǒng)計學(xué)研究的最后就是研究一個屁（p））。這地方有一個判斷標(biāo)準(zhǔn)就是：大同小異。意思是：p值大于0.05（大）就是相同，相同就是沒有差異，沒有差異也就是說兩者一樣；p值小于0.05就是有差異（?。?，異就是有差異，就是說兩者之間有區(qū)別，那么這個差異到底是誰的身高更高，那肯定是誰的平均值大誰的更高了。所以，你只需要記住：大同小異就可以了。
單樣本t檢驗就是比較一個樣本平均數(shù)與已知的總體平均數(shù)的差異是否顯著。我們可以理解為：我們知道一個樣本的情況，通過這個樣本跟所謂的常模（就是已知總體）的比較。在護理研究中的應(yīng)用太多了。比如：我們隨機抽樣了我們產(chǎn)婦得到一個樣本，測量這個產(chǎn)婦樣本的心理焦慮的情況，得到一個焦慮的平均值，用這個平均值再與常模（焦慮量表的標(biāo)準(zhǔn)分50分）做比較，首先看一下兩者數(shù)值之間有無差異，如果有差異，哪個均值大，再做判斷。至于SPSS軟件的操作那就更簡單了，這都是軟件幫我們做的，干就完了！
SPSS軟件操作步驟
t值、p值、均數(shù)±標(biāo)準(zhǔn)差都出來了，寫到論文中就ok了！
SPSS教程｜多組比較的方差分析及非參數(shù)檢驗的SPSS操作
一．案例
案例來源：中華護理雜志2018年5期
關(guān)于三種鼻空腸管置管方法在機械通氣患者中的應(yīng)用研究。
方法：采用隨機數(shù)字表法，將某三級甲等醫(yī)院重癥醫(yī)學(xué)科2015年3月1日—2017年8月31日收治的機械通氣需放置鼻空腸管患者分為A、B、C三組，三組分別采用平臥位法（A組）、頭前屈位法（B組）和頭后仰位法（C組）進(jìn)行鼻空腸管置管，記錄胃內(nèi)置入時間、胃至空腸置入時間和置入成功例數(shù)。
二．解析
三組胃內(nèi)置入成功率和鼻空腸管置入成功率的比較，需要用到多個樣本率的卡方檢驗（案例分析|多個樣本率比較的卡方檢驗及SPSS操作），這節(jié)介紹一下如何比較三組胃內(nèi)置入時間和胃至空腸置入時間是否存在顯著性差異。時間屬于計量資料，用均值±標(biāo)準(zhǔn)差來表示，多組均數(shù)比較根據(jù)數(shù)據(jù)情況的不同采取不同的分析方法：若數(shù)據(jù)服從方差齊性的正態(tài)檢驗，則選用方差分析；若數(shù)據(jù)服從非正態(tài)分布，則選用Kruskal-Wallis秩和檢驗。
三．SPSS操作
1.胃至空腸置入時間比較
①正態(tài)性檢驗
將胃至空腸置入時間放入因變量列表，組別放入因子列表；點擊圖，出現(xiàn)如下對話框，勾選含檢驗的正態(tài)圖。
②正態(tài)檢驗結(jié)果
由結(jié)果得：三組的P值均小于0.05，因此應(yīng)該拒絕原假設(shè)，認(rèn)為數(shù)據(jù)是不服從正態(tài)分布的。所以三組差異比較應(yīng)該選擇Kruskal-Wallis秩和檢驗。
③Kruskal-Wallis秩和檢驗
將胃至空腸置入時間放入檢驗變量列表，組別放入分組變量，點擊定義范圍，設(shè)置最小值與最大值，繼續(xù)；檢驗類型選擇檢驗類型選擇克魯斯卡爾-沃利斯H，點擊確定。
④檢驗結(jié)果
由結(jié)果得：χ2=87.387，P<0.001，因此應(yīng)該拒絕原假設(shè)，認(rèn)為三種不同方法在胃至空腸置入時間上存在顯著性差異。
2.胃內(nèi)置入時間比較
①正態(tài)性檢驗
正態(tài)性檢驗操作步驟和上述步驟一樣，經(jīng)檢驗數(shù)據(jù)是服從正態(tài)分布的，因此選用方差分析。
②方差分析
將胃內(nèi)置入時間放入因變量，組別放入固定因子。
點擊選項，出現(xiàn)如下對話框，顯示欄勾選描述統(tǒng)計和齊性檢驗。
③方差分析結(jié)果
（1）方差齊性檢驗
由結(jié)果得：F=0.373，P=0.689>0.05，因此不能拒絕原假設(shè)，認(rèn)為三組數(shù)據(jù)是方差齊性的。
（2）主體間效應(yīng)檢驗
由結(jié)果得：F=0.227，P=0.797>0.05，因此不能拒絕原假設(shè)，認(rèn)為三種方法在胃內(nèi)置入時間上不存在顯著性差異。
四．總結(jié)
本文介紹了完全隨機設(shè)計中多組比較的不同方法的選擇，有些研究者在拿到數(shù)據(jù)后，發(fā)現(xiàn)是多組比較時馬上選用方差分析，這是非常錯誤的，必須先對數(shù)據(jù)進(jìn)行基本的分析，了解數(shù)據(jù)分布的基本情況，如果不滿足正態(tài)分布或方差齊性，則應(yīng)該選擇非參數(shù)檢驗，這樣才能為后續(xù)工作的進(jìn)展奠定正確的基礎(chǔ)。
SPSS教程｜單向有序列聯(lián)表的秩和檢驗及SPSS操作
（案例來源：中華護理雜志2016年3期）
一．案例
社區(qū)精神分裂癥患者亞群分類研究
方法：采用精神分裂癥患者自我管理量表和重復(fù)成套神經(jīng)心理狀態(tài)評估工具，對139例社區(qū)精神分裂癥患者進(jìn)行測評，通過聚類分析方法進(jìn)行分類，比較不同類型患者的一般特征。
二．解析
本研究欲將精神分裂癥患者根據(jù)自我管理能力、自我效能和認(rèn)知功能進(jìn)行聚類，同時分析不同類型患者的一般特征在某些變量上的差異性。對不同類型患者的一般特征進(jìn)行分析時，對于計量資料可以采用方差分析或秩和檢驗，對于雙向無序列聯(lián)表可以采用皮爾遜卡方檢驗或Fisher精確檢驗，對于結(jié)局變量為等級資料的列聯(lián)表，則需要采用Wilcoxon秩和檢驗。這節(jié)我們重點介紹如何使用SPSS進(jìn)行結(jié)局變量為等級資料的秩和檢驗。
本研究最終聚為三類，這里以文化程度變量為例，分析三類患者在文化程度等級上是否存在顯著性差異，（對于其他同為等級資料的變量，操作步驟類似），數(shù)據(jù)如表1所示：
三．SPSS操作
數(shù)據(jù)說明：
類型欄：1代表Ⅰ類，2代表Ⅱ類，3代表Ⅲ類；
文化程度欄：1代表小學(xué)及以下，2代表中學(xué)，3代表大學(xué)及以上。
1.數(shù)據(jù)加權(quán)（這個過程已經(jīng)操作過很多遍，只要錄入的數(shù)據(jù)為匯總格式，一定記得先進(jìn)行數(shù)據(jù)加權(quán)）
激活個案加權(quán)系數(shù)，將人數(shù)放入頻率變量，點擊確定。
2.秩和檢驗
出現(xiàn)如下對話框，將文化程度放入檢驗變量列表，類型放入分組變量，點擊定義范圍，因為共3類患者，因此設(shè)置最小值為1，最大值為3；檢驗類型欄選擇克魯斯卡爾-沃利斯 H。
3. 結(jié)果解讀
（1）秩
表格給出了不同類型患者的個案數(shù)以及秩的平均值。
（2）檢驗統(tǒng)計
由結(jié)果得：χ2=11.163，P=0.004<0.05，因此應(yīng)該拒絕原假設(shè)，認(rèn)為三組不同類型的患者在文化程度等級上存在顯著性差異。
四．總結(jié)
對于不服從正態(tài)分布的多組均數(shù)比較時，非參數(shù)檢驗也是使用的克魯斯卡爾-沃利斯 H檢驗，雖然方法一樣，但是判斷的前提卻是不同的。
需要注意的是，不是存在等級資料的數(shù)據(jù)就要選擇秩和檢驗，還要根據(jù)研究目的做進(jìn)一步的判斷，具體關(guān)于等級資料方法的選擇，詳見（解疑答惑|對于等級資料，選擇卡方檢驗還是秩和檢驗？）。
SPSS教程｜多個相關(guān)樣本的Friedman秩和檢驗及SPSS操作
案例來源：中華護理雜志2016年4期
一．案例
評價子午流注擇時五音療法在慢性心力衰竭（CHF）焦慮患者中的應(yīng)用效果。
方法：將70例CHF焦慮患者隨機分為實驗組和對照組，各35例，實驗組實施子午流注擇時五行音樂療法，對照組實施五行音樂療法。兩組在干預(yù)前、干預(yù)后4周、8周和12周采用匹茲堡睡眠質(zhì)量指數(shù)量表（PSQI）評價睡眠質(zhì)量。
二．說明
在之前的介紹中，我們對該研究進(jìn)行了兩因素重復(fù)測量方差分析（案例分析 | 兩因素重復(fù)測量方差分析及SPSS操作），并且比較了相同組內(nèi)不同時間的睡眠質(zhì)量指數(shù)量表得分的差異。對于兩組（實驗組和對照組）中的任一組，若數(shù)據(jù)服從正態(tài)分布，則選用單因素重復(fù)測量方差分析；若數(shù)據(jù)不服從正態(tài)分布，也可以直接進(jìn)行重復(fù)測量方差分析（尤其是在各組樣本量相等或近似相等的情況下，而且非正態(tài)分布實質(zhì)上并不影響犯I型錯誤的概率），或者選用Friedman秩和檢驗。
三．SPSS操作
1.正態(tài)性檢驗（以實驗組得分為例）
將所有變量均放入因變量列表，點擊圖，出現(xiàn)如下對話框，勾選含檢驗的正態(tài)圖。
2.正態(tài)檢驗結(jié)果
當(dāng)樣本量較小時，推薦使用夏皮洛-威爾克方法的正態(tài)性檢驗結(jié)果。由結(jié)果得：干預(yù)前及干預(yù)后的三次不同時間的得分均不服從正態(tài)分布，可以直接進(jìn)行重復(fù)測量方差，也可以使用非參數(shù)檢驗，這里我們重點介紹Friedman秩和檢驗。
3.Friedman秩和檢驗
彈出如下對話框：
點擊上方的'字段’，出現(xiàn)如下對話框，將所有變量均選入檢驗字段。
點擊上方的'設(shè)置’，出現(xiàn)如下對話框，點擊定制檢驗，在比較分布欄選擇傅萊德曼檢驗，多重比較選擇全部成對。
4.結(jié)果解讀
輸出的結(jié)果如上圖所示，結(jié)果分別給出了原假設(shè)、檢驗方法、顯著性以及最后的決策。由結(jié)果可得P<0.001，應(yīng)該拒絕原假設(shè)，即認(rèn)為實驗組在干預(yù)前、干預(yù)后4周、8周、12周的得分存在顯著性差異。
5.成對比較
（1）雙擊上述輸出的表格，則可以得到下面的界面，幫助我們更好的理解假設(shè)檢驗摘要的結(jié)果。
（2）在模型查看器界面的查看欄中選擇成對比較，如下圖所示：
6.成對比較結(jié)果
由結(jié)果可以看出，干預(yù)前PSQI得分與干預(yù)后8周、干預(yù)后12周PSQI得分分別存在顯著性差異，干預(yù)后4周PSQI得分與干預(yù)后8周、干預(yù)后12周PSQI得分分別存在顯著性差異。
五．補充
k個相關(guān)樣本的Friedman檢驗也可以通過下列操作實現(xiàn)：
但是該過程無法給出兩兩比較的結(jié)果，研究過程中要根據(jù)自己的研究目的判斷是否需要進(jìn)行兩兩比較，進(jìn)而選擇自己需要的方法。
解疑答惑｜如何正確使用t檢驗？
如何正確應(yīng)用t檢驗？
在所看到的文獻(xiàn)中，幾乎所有的兩組比較均用的是t檢驗，因此它總被人們稱為'兩組萬能檢驗’，真的是這樣嗎？NO，人家也是有原則的，不該用的地方可不敢隨便嘗試，萬一誤人子弟罪過可就大了。那么，到底什么情況是它不能隨便接近的呢，一起總結(jié)一下：
1.多組后的兩兩比較不要用t檢驗
雖然t檢驗在兩組均值比較中占據(jù)著'領(lǐng)導(dǎo)’的地位，但是如果你的設(shè)計有多組，并且發(fā)現(xiàn)可能其中兩組存在差異，想分別對任意兩組進(jìn)行比較，這時候，t檢驗可就不能主動伸出援手了，因為你需要進(jìn)行好幾次的兩兩比較，整個過程的假陽性錯誤就會不斷增加。
2.如果數(shù)據(jù)嚴(yán)重偏離正態(tài)，建議不用t檢驗
t檢驗一般都是要求滿足正態(tài)性假定的，如果一組數(shù)據(jù)嚴(yán)重偏態(tài)，那么此時的均值已經(jīng)不能反映數(shù)據(jù)的真實情況，這時有兩種方法可以考慮：一是進(jìn)行數(shù)據(jù)變換，使變換后的數(shù)據(jù)滿足正態(tài)分布；二是采用非參數(shù)檢驗方法。注意，這里說的是嚴(yán)重偏態(tài)，多數(shù)情況下，輕微偏態(tài)不會對結(jié)果造成太大的影響。
3.如果兩組間的方差不齊，建議不用t檢驗
理論上，t檢驗還要求兩組方差是相等的，即滿足方差齊性檢驗。一般兩組方差間的比較采用F檢驗，用其中較大的方差除以較小的方差，若F=1，則說明兩者方差相等；F不等于1，則說明不等。
4.若兩組數(shù)據(jù)非獨立，建議不用t檢驗
這里的獨立并不是嚴(yán)格的毫不相關(guān)，只要專業(yè)上認(rèn)為沒有關(guān)系就可以。最常見的非獨立數(shù)據(jù)自然非配對設(shè)計莫屬，典型的有：觀察對象處理前后對比(如治療前后、檢查前后) 和同一個體采取不同處理對比(如同一觀察對象兩種方法)，一般這種情況需要采用配對t檢驗，但是也要區(qū)分不同情形：
（1）比較同一組人群在服用某藥物前后的睡眠質(zhì)量差異。毫無疑問，這時候需要采用配對t檢驗進(jìn)行分析，實質(zhì)是比較兩者均數(shù)的差值與0是否有統(tǒng)計學(xué)意義。若差值不服從正態(tài)分布，則采用秩和檢驗。
（2）將人群分為兩組，對每組服藥前后分別進(jìn)行睡眠質(zhì)量檢測，這時候便不能采用配對t檢驗了，因為我們的目的不是比較組內(nèi)前后的差異，而是比較兩組間的差異，只是比較兩組前后（服藥后-服藥前）的變化值。
看到了吧，t檢驗沒有那么神通廣大，在使用之前一定要先對數(shù)據(jù)情況做基本的了解，不然犯錯之后，怪t檢驗還是怪自己呢？
解疑答惑｜K個獨立樣本非參數(shù)檢驗的兩兩比較咋實現(xiàn)？
提 問
K個獨立樣本非參數(shù)檢驗的兩兩比較咋實現(xiàn)？
方差分析用于多組均數(shù)比較時，通常在得到拒絕原假設(shè)的結(jié)論后，還要進(jìn)行進(jìn)一步的兩兩比較，從而得到究竟是哪兩組間均數(shù)不等。但是最近看到有好多朋友問，非參數(shù)檢驗的時候怎么沒有兩兩比較的選擇呢，我想要知道哪兩個組間存在差異。既然大家都是追求細(xì)節(jié)的人，那我們就一起看看怎么辦吧。
數(shù)據(jù)是3組慢性心力衰竭焦慮患者接受3種不同藥物治療后的睡眠質(zhì)量得分總和，問3組患者間的睡眠質(zhì)量得分是否存在差異。
為什么你們沒看到兩兩比較的選項呢，因為你們用的是舊對話框，如下：
這樣操作得到的結(jié)果就是上面這樣滴，只能根據(jù)顯著性得出三組間得分存在差異，但是扼殺了你想要繼續(xù)探索的精神，沒關(guān)系啊，我們有辦法的，話不多說，請看以下操作：
彈出下圖：
點擊上方的字段，設(shè)置如下：
點擊上方的設(shè)置，設(shè)置如下：
看看輸出的結(jié)果是什么樣的：
“小編你個騙子，枉我那么相信你，這不還是沒有兩兩比較的結(jié)果嗎？”莫急莫急，還沒說完呢，現(xiàn)在雙擊黃色部分，是不是發(fā)現(xiàn)了新大陸一樣，如下圖所示，在查看欄選擇成對比較。
看結(jié)果：
這不就出來了嘛，而且軟件很體貼，將兩兩間有顯著性差異的都用黃色標(biāo)注出來了，另外大家要記住，我們看的是調(diào)整后顯著性哦。結(jié)果告訴我們?nèi)我鈨山M間的睡眠質(zhì)量得分都是存在差異的。
總之一句話：若想知道K個獨立樣本間非參數(shù)檢驗的兩兩比較結(jié)果，一定要采用新的對話框，舊對話框是不能幫助我們達(dá)到目的的。
SPSS教程｜兩個有序分類變量的相關(guān)分析及SPSS操作
案例來源：中華護理雜志2018年3期
一．案例
2型糖尿?。═2DM）患者授權(quán)能力與醫(yī)療支持的相關(guān)性研究。
方法：通過單純隨機抽樣選取2016年1月—4月某省市8所三級甲等綜合醫(yī)院就診2型糖尿病患者作為研究對象。采用一般資料調(diào)查表、糖尿病授權(quán)評分表糖尿病態(tài)度、期望、需求簡化版（DES-DSF）和患者慢性病評估量表糖尿病態(tài)度、期望、需求簡化版（PACIC-DSF），調(diào)查2型糖尿病患者的一般資料、授權(quán)能力及醫(yī)療支持情況。
二．說明
若要探討患者授權(quán)能力與醫(yī)療支持的相關(guān)性，則需要用到雙變量的相關(guān)分析。如果兩組數(shù)據(jù)均為符從正態(tài)分布的連續(xù)變量，并且存在線性關(guān)系，則選用皮爾遜相關(guān)分析；若數(shù)據(jù)不服從雙變量正態(tài)分布，則選用斯皮爾曼相關(guān)分析；若數(shù)據(jù)為兩個有序分類變量，則選用Kendall's tau-b相關(guān)分析。這節(jié)主要介紹兩個有序分類變量的Kendall's tau-b相關(guān)分析。
三．SPSS操作
1.先將得分?jǐn)?shù)據(jù)進(jìn)行分類：
授權(quán)能力得分：0代表≤40分，1代表41-60分，2代表＞60分。
醫(yī)療支持得分：0代表≤30分，1代表31-40分，2代表＞40分。
千萬不要自己觀察數(shù)據(jù)將其分組，只要設(shè)定好范圍，SPSS是可以自動實現(xiàn)的，這里以授權(quán)能力得分為例進(jìn)行講解，醫(yī)療支持得分分組的操作類似。
在輸出變量名稱框中填入'授權(quán)能力得分分組’，標(biāo)簽處也可以命名為此，點擊變化量，即可實現(xiàn)'授權(quán)能力得分-授權(quán)能力得分分組’的變量命名。
點擊舊值和新值，從得分最低到最高依次進(jìn)行變換，從最低到值填入40，在新值框中填入'0’，點擊添加，即可完成得分小于等于40的患者分組。
按照以上操作完成授權(quán)能力得分的分組，如下圖所示，點擊繼續(xù)，確定。
2.相關(guān)分析
經(jīng)過分組之后的授權(quán)能力得分與醫(yī)療支持得分都是有序分類的，并且兩個變量來源于同一個個體，即是配對變量。對于這種情況，需要采用Kendall's tau-b相關(guān)分析。
將授權(quán)能力得分和醫(yī)療支持得分選入變量欄，相關(guān)系數(shù)欄去掉皮爾遜的選擇，勾選肯德爾tau-b，顯著性檢驗選擇雙尾，點擊確定。
3.結(jié)果解讀
由結(jié)果可以看出：授權(quán)能力得分與醫(yī)療支持得分的相關(guān)系數(shù)為0.259，P=0.005，說明兩者之間是存在正相關(guān)關(guān)系的。
注意：兩者只是正相關(guān)關(guān)系，不是因果關(guān)系，因此不能說醫(yī)療支持得分高導(dǎo)致授權(quán)能力得分高。
四．總結(jié)
SPSS提供了三種雙變量間相關(guān)分析的方法，每種方法都有其不同的適用情況。當(dāng)兩變量間呈線性相關(guān)時，可以采用皮爾遜相關(guān)系數(shù)，不滿足皮爾遜相關(guān)分析的適用條件時，可以考慮采用斯皮爾曼相關(guān)系數(shù)；斯皮爾曼相關(guān)系數(shù)對原始變量的分布不做要求，屬于非參數(shù)統(tǒng)計方法，適用范圍更廣一些，但是統(tǒng)計效能比皮爾遜相關(guān)系數(shù)要低；肯德爾tab-u系數(shù)則廣泛用于兩變量都為有序分類資料的情況。
