SPSS生物统计分析(实验实习指导).doc

SPSS生物统计应用

14.1 SPSS统计分析基础【1学时】
14.1.1描述性统计
14.1.2统计绘图
14.2统计假设检验【1学时】
14.2.1方差同质性检验
14.2.2单样本t检验
14.2.3配对设计资料t检验
14.2.4成组（非配对）设计资料t检验
14.2.5参数的区间估计
14.3卡方检验【1学时】
14.3.1适合性检验
14.3.2独立性检验
14.4方差分析【3学时】
14.4.1单因素资料方差分析
14.4.2两因素资料方差分析
14.4.3系统分类资料方差分析
14.4.4其他类型试验设计资料的方差分析
14.5 相关与回归分析【1学时】
14.5.1一元线性回归分析
14.5.2曲线回归
14.5.3多重线性回归分析
14.6协方差分析【1学时】
14.6.1单因素试验资料的协方差分析
14.6.2随机区组（配伍组）设计资料的协方差分析
14.6.3两因素析因设计资料的协方差分析
14.7非参数检验【1学时】
14.7.1两配对样本资料的非参数检验
14.7.2两非配对样本资料的非参数检验（Wilcoxon 非配对法）
14.7.3多个样本比较的非参数检验（Kruskal-Wallis法，H法）
14.8多元统计分析【2学时】
14.8.1多元方差分析
14.8.2多元协方差分析
14.8.3主成分分析
14.8.3因子分析
14.8.5聚类分析

第一章 SPSS统计分析基础
因SPSS中文界面有关统计学术语的翻译欠准确，所以本章内容均以SPSS22.0英文版为准，介绍SPSS统计分析。若想使用中文界面，可打开SPSS数据电子表格上端菜单栏中的Edit，在打开的下拉菜单中依次点击Option、Language，设置输出和用户界面语言为简体中文。
第一节 数据整理
在原始数据难不能直接满足数据分析要求的情况下，需要对原始数据进行适当的转换。SPSS Transformation菜单提供了各种对变量进行转换的过程，包括对原始数据进行四则运算的Conpute命令、对数据重新编码的Reconde命令等。这些命令在统计分析的数据整理中起着非常重要的作用。单击主菜单的Transform．弹出数据转换子菜单界面，见图2-36。

14.1.1描述性统计
【例14.1】126头基础母羊的体重资料（表14.1），计算平均数等基本统计量。
表14.1 126头基础母羊的体重资料 （单位：kg）
品种
基础母羊体重
甲品种
53.0 50.0 51.0 57.0 56.0 51.0 48.0 46.0 62.0 51.0 61.0 56.0 62.0 58.0 46.5 48.0 46.0 50.0 54.5 56.0 40.0 53.0 51.0 57.0 54.0 59.0 52.0 47.0 57.0 59.0 54.0 50.0 52.0 54.0 62.5 50.0 50.0 53.0 51.0
54.0 56.0 50.0 52.0 50.0 52.0 43.0 53.0 48.0 50.0 60.0 58.0 52.0 64.0 50.0 47.0 37.0 52.0 46.0 45.0 42.0 53.0 58.0 47.0
乙品种
50.0 50.0 45.0 55.0 62.0 51.0 50.0 43.0 53.0 42.0 56.0 54.5 45.0 56.0 54.0 65.0 61.0 47.0 52.0 49.0 49.0 51.0 45.0 52.0 54.0 48.0 57.0 45.0 53.0 54.0 57.0 54.0 54.0 45.0 44.0 52.0 50.0 52.0 52.0 55.0 50.0 54.0 43.0 57.0 56.0 54.0 49.0 55.0 50.0 48.0 46.0 56.0 45.0 45.0 51.0 46.0 49.0 48.5 49.0 55.0 52.0 58.0 54.5
注：数据引自四川农业大学主编《生物统计学》，其中品种不是真实情况，仅供模拟。
解 SPSS操作步骤：
（1）建立数据文件并定义变量：将数据输入一列，建立表示母羊体重的变量。另建立一表示品种的分组变量，甲、乙两品种分别用1、2表示。
（2）定义变量：点击SPSS电子表格左下角的变量视图Variable View或双击变量名，可定义变量。变量名Name尽量用英文或汉语拼音缩写，宜短不宜长。本例母羊体重变量命名为weight，品种变量命名为breed。在命名变量后，可指定变量类型type。单击Type相应单元中的按钮，在弹出的对话框中选择合适的变量类型并单击Ok按钮确定，即可定义变量类型。常用的变量类型为数值型Numeric和字符串String。本例变量weight和breed均可指定为数值型。在breed变量之后，还可指定变量标签Label，一般用汉字比较好，可以比较长。本例weight变量标签可指定为基础母羊体重，breed变量标签可指定为品种。对分组变量breed，还可指定变量值(Value)。点击变量值单元格内的按钮，打开变量值对话框，在其中的Value后面的框内输入1，在其下的Label框内输入“甲品种”，点击Add按钮添加，同理可备注2为乙品种。其它变量定义可用缺省设置。定义变量后，点击左下角的数据视图Data View可返回。
（3）选择命令操作：SPSS进行基本统计分析可用3种命令实现，即描述(Descriptives)、频率(Frequencies)、探索(Explore)。下面分别讲述3种命令的基本操作方法。
1)Descriptive命令操作
① Analyze <Descriptive Statistics<Descriptive ，从左侧栏中选择weight变量，点击导入右侧的Variable变量栏中。
② 点击Option按钮，选择要计算的统计量及其它项目。在选项卡上，可选择平均值Mean、合计Sum、最小值Minimum、最大值Maximum、极差Range、标准偏差Std deviation、方差Variance、平均值的标准误S. E mean、观察值分布的偏度Skewness、峰度Kurtosis。峰度统计量的意义在于：峰度为0表示变量数据分布与正态分布陡缓程度相同；大于0表示比正态分布高峰要更加陡峭，为尖顶峰；小于0表示比正态分布的高峰要平坦，为平顶峰。偏度是描述某变量取值分布对称性的统计量：偏度为0表示数据分布形态与正态分布偏度相同；大于0表示正偏差数值较大，为正偏或右偏，即有一条长尾巴拖在右边；小于0表示负偏差数值大，为负偏或左偏，有一条长尾拖在左边。偏度的绝对值数值越大表示分布形态的偏斜程度越大。本例选择输出所有统计量。注意，SPSS不能直接输出几何均数 (Geometrical Mean)和调和均数(Harmonic Mean)等统计量。
③ 输入计算结果。SPSS的输出表格具有可编辑性。点击表格可选择复制重要的内容，复制到Word、Excel等文字图表软件中，加以修饰后应用。
Descriptive Statistics

N
Range
Minimum
Maximum
Sum
Statistic
Statistic
Statistic
Statistic
Statistic
基础母羊体重
126
28.00
37.00
65.00
6522.00
Valid N (listwise)
126

Mean
Std. Deviation
Variance
Skewness
Kurtosis
Statistic
Std. Error
Statistic
Statistic
Statistic
Std. Error
Statistic
Std. Error
51.7619
.46129
5.17792
26.811
.035
.216
.089
.428

输出结果中包括平均数、标准差等各种主要统计量(Statistic)。本例有效含量(Valid N)为126例，样本中观察值的极差为28.00kg，最小值、最大值分别为37.00、65.00kg，观察值总和为6522.00kg。样本平均数、均数标准误、标准差、样本方差（均方）、分布偏度、偏度标准误、峰度、峰度标准误分别为51.7619、0.46129、5.17792、26.811、0.035、0.216、0.089、0.428。其中，观察值分布偏度和峰度值都很小（接近于0），说明该样本观察值分布与正态分布相对比较接近。
2)Frequencies命令操作
① Anlyses<Desicriptive Statistics<Frequencies ，从左侧栏中选择weight变量，点击导入右侧栏Variable中。
②点击Option，指定要计算的统计量及其它项目。
③ Ok确定，输出结果（此处不再陈列）。
3)Explore命令操作
Explore命令即探索性分析，是SPSS提供的一项很重要的分析功能，非常有用。一般在进行正式统计分析前，都应进行探索性分析。该命令操作步骤如下：
① Anlyses<Desicriptive Statistics<Explore，从左侧栏中选择weight变量，点击导入右侧Dependent List即依变量或反应变量栏中，将breed变量选入Factor List栏中。
② 点击图形Plots按钮。在打开的对话框中，点选Normality plots with test，并在其下的Spread vs level with levene test选项中点选不转换数据Untranslated, Continue返回。
③ Ok确定，输出探索性分析结果。
Explore分析除可分组输出基本统计量外，还可输出各样本正态分布和方差同质性检验结果。本例正态性检验Tests of Normality结果如下：
Tests of Normality

品种
Kolmogorov-Smirnov
Shapiro-Wilk

Statistic
df
Sig.
Statistic
df
Sig.
基础母羊体重
甲品种
.107
63
.068
.985
63
.651
乙品种
.089
63
.200*
.975
63
.236
SPSS用Kolmogorov-Smirnov、Shapiro-Wilk两种方法对各样本进行正态分布检验。本例中，甲品种Kolmogorov-Smirnov正态性检验统计量为0.107，无效假设成立概率(Sig.)即p=0.068；Shapiro-Wilk检验统计量为0.985，p=0.651；两种检验结果均差异不显著，提示甲品种羊的样本服从正态分布。乙品种羊的样本Kolmogorov-Smirnov、Shapiro-Wilk检验p值分别为0.200、0.236，表明乙品种羊的样本观察值分布也与正态分布没有显著差异。
Test of Homogeneity of Variance

Levene Statistic
df1
df2
Sig.
基础母羊体重
Based on Mean
.304
1
124
.582
Based on Median
.275
1
124
.601
Based on Median and with adjusted df
.275
1
120.084
.601
Based on trimmed mean
.322
1
124
.571
Test of Homogeneity of Variance表格输出的是方差同质性检验结果。SPSS提供了基于平均数(Based on Mean)、基于中位数(Based on Median)、基于中位数和校正自由度(Based on Median and with adjusted df)、基于校正平均数(Based on trimmed mean)等不同情况下的Levene方差同质性检验结果。本例各种情况下的p值分别为0.582、0.601、0.601、0.571，均大于0.05，说明甲、乙两样本所在总体方差没有显著差异，即两样本总体方差满足方差同质性（齐性，同质性）前提条件，可进行t检验或方差分析，而无需进行校正。
14.1.2 统计绘图
在常用的统计软件中，SPSS绘制的统计图较为美观，可满足科学研究中图表制作的要求。因此，SPSS统计图应用非常广泛。
（1）简单条形图
【例14.2】应用【例14.1】前例数据文件，绘制不同品种母羊的体重平均值条形图。
解 SPSS操作步骤：
① 图形Graphs<旧对话框Legacy Dialogues<条形图Bar，打开条形图Bar Charts对话框，点选简单条形图命令Simple，在其下的Data in Chart Are即图形数据定义中选择各组观察值分组汇总Summaries for groups of cases。单击Define按钮，开启正式的条形图定义对话框。
② 在Define Bar Chart: Summaries for Groups of对话框中，条形图代表类型Bars Represent点选框组其它统计功能Other statistic, eg mean，再将左侧候选变量栏中的weight选入变量对话框Variable中；点击变更统计量Change Statistic按钮，在出现对话框中选择Mean of values，点击Continue按钮返回上一级对话框。
③ 在分类轴Category Axis框中，选入breed变量。
④ 单击Ok按钮，系统输出的简单条形统计图如下：

除简单条形图外，SPSS还可以绘制聚簇条形图Clusterd Bar Chart、堆积条形图Stacked Bar Chart等。限于篇幅，在此不一一列举。
（2）散点图(Scatter Chart)
SPSS散点图包括simple、matrix（以矩阵的形式显示多个变量间两两的散点图）、Overlay（将多个变量间两两的散点图同时作在一张图上）和3D（X、Y、Z三个变量立体散点图）等4种。下面仅介绍简单散点图的绘制方法。
【例14.3】在四川白鹅生产性能研究中，得到一组关于雏鹅重(g)与70日龄重(g)的数据，试作散点图。
表14-2 四川白鹅重与70日龄重测定结果（单位：g）
编号
1
2
3
4
5
6
7
8
9
10
11
12
雏鹅重(x)
80
86
98
90
120
102
95
83
113
105
110
100
70日重(y)
2350
2400
2720
2500
3150
2680
2630
2400
3080
2920
2960
2860
性别
male
female
male
female
female
female
male
female
male
female
male
male
注：数据引自四川农业大学主编《生物统计学》，其中性别不是真实数据，仅供模拟。
解 SPSS操作步骤：
① 建立数据文件，包含雏鹅重变量BW、70日龄重变量SW、性别变量gender。
② Graphs<Scatter/Dot Chart<Simple，点击Define，打开散点图对话框，将BW变量选入右侧的X轴变量栏，将SW变量选入Y分类轴，gender 选入设置标记Set markers by栏。
③ 单击Ok，输出散点图。

14.2统计假设检验
14.2.1 方差同质性检验
【例14.4】测得甲、乙两种植物植株的株高如下表，试检验甲、乙两种植物植株株高的方差是否一致。
表14.4 两种植物植株高度测量（单位：cm）
植株高度
组别
甲
乙

16
33

20
22

17
15

15
28

22
17
方差同质性检验主要是从各样本的方差来推断其总体方差是否相同。在有原始数据情况下，有多种方法可通过菜单操作检测两样本或多样本方差同质性。
解 SPSS操作步骤：
① 建立数据文件：将观察值输入一列，命名为height；另建一分组变量，分别用1、2表示两种植物，命名为variety。
② Analyze < Descriptive Statistics < Explore ，打开对话窗。
③ 选择变量height进入因变量Dependent List栏，选择变量Variety进入分组变量Factor List栏。
④ 点击Plots 按钮，打开对话框。将Spread vs plots with tests下选项指定为Untranslated。点击Continue返回。
⑤ 点击Ok，输出结果。
本例为两样本方差同质性检验。运行SPSS程序后，在输出结果中，Test of Homogeneity of Variance表格式方差同质性检验结果。
Test of Homogeneity of Variance

Levene Statistic
df1
df2
Sig.
植株高度
Based on Mean
5.063
1
8
.055
Based on Median
3.340
1
8
.105
Based on Median and with adjusted df
3.340
1
5.786
.119
Based on trimmed mean
4.872
1
8
.058
SPSS分别输出了基于平均数、中位数、中位数及校正df、修正平均数等5项参数基础上Levene 检验的结果，各项检验结果p均大于0.05，所以两样本所在总体方差同质。若各项检测结果冲突，一般以基于平均数Levene 检验结果为准下结论。若观察值偏离正态分布，则以基于中位数的检验(Brown–Forsythe检验)为准。方差同质性检验还有Bartlett、Hartley F、Cochran等法，SS仅提供Levene检验。Bartlett方法对正态性很敏感，而常用的Levene 检验对正态性偏离耐PS受性较强。另外，若只有平均数、标准差、样本含量等信息，也可进行方差同质性检验，但需要编程才能实现。
【例14.5】假设某试验设计包含3个样本，试检验这三个样本所来自总体方差是否相同。
表14.5 3样本试验数据资料
测定指标
组别
甲
乙
丙

11
11
12

7
18
6

12
15
13

9
10
10

10
17
9

16
6

12

14

10

9

10

11
本例为3样本方差同质性检验。多样本的方差同质性检验，可依照两样本方差同质性检验方法进行。下面给出另一种求解方法。
解 SPSS操作步骤：
① 建立数据文件，包括试验指标变量index、分组变量group。
② Analyze < Genral Linear Model < Univariate，打开对话窗。
③ 选择变量index进入因变量Dependent Variable栏，选择group变量入分组变量Fixed factor(s)栏。
④ 点击Options 按钮，勾选方差同质性检验Homogeneity test，点击Continue返回。
⑤ 点击Ok运行，输出检验结果。
SPSS输出结果中Levene's Test of Equality of Error Variances即为方差同质性检验结果。本例Levene检验p值为0.359，大于0.05，所以可判定3样本所在总体方差无显著差异，即方差同质。
Levene's Test of Equality of Error Variances
F
df1
df2
Sig.
1.077
2
20
.359
4.2.2单样本t检验
单样本t检验又叫样本平均数与总体平均数差异显著性检验，是检验一个样本平均数与已知的总体平均数是否有显著差异，即检验该样本是否来自该总体。
【例14.6】正常人血钙值属于N(2.29，0.37)，现有8名甲状旁腺减退患者，测得其血钙值分别为2.03、2.18、2.11、1.98、1.87、2.01、2.09、1.78mmol/L，试检验这8人血钙值是否正常。
解 SPSS操作步骤：
① 建立数据文件：将观察值输入一列，命名为calcium。
② Analyze < Compare Means< One-Sample T Test ，打开对话窗。
③ 选择变量calcium为Test Variable。在Test Value后面的框内输入总体均数2.29。
④ 点击Ok，输出统计分析结果。
运行程序后，首先输出单样本统计量，包括样本名称、样本含量、平均数Mean、标准差Std. Deviation和标准误Std. Error Mean。
One-Sample Statistics

N
Mean
Std. Deviation
Std. Error Mean
cadmium
8
2.0063
.13038
.04610

One-Sample Test

Test Value = 2.29
t
df
Sig. (2-tailed)
Mean Difference
95% Confidence Interval of the Difference
Lower
Upper
cadmium
-6.156
7
0.000465
-.28375
-.3927
-.1748
其次，输出One-Sample Test表格，即单样本t检验结果。t统计量构建中表面效应（样本与总体均数之差）为-0.28375，该差值的95%置信区间为-0.3927到-0.1748。t值为-6.156，自由度为7，双尾检验p值实际为0.000465（ 双击SPSS输出的One-Sample Test表格中Sig. (2-tailed)下的小概率框内0.000可显示）。本例为双侧检验，因此可断定p<0.01，所以否定无效假设，样本所在总体平均数与总体均数2.29差异极显著，或该样本不是来自于总体均数为2.29的总体。换言之，甲状旁腺减退患者的血钙水平极显著低于正常人生理常值，此结论符合甲状旁腺素的生理功能。
【例14.7】 按规定，每1000kg某种饲料中维生素C不得少于246g，现从工厂的产品中随机抽测12个样品，测得维生素C含量如下：255、260、262、248、244、245、250、238、246、248、258、270g/1000kg，若样品的维生素C含量服从正态分布，该批产品是否符合规定要求？
解 SPSS操作步骤：
① 建立数据文件：将观察值输入一列，命名为Vc。
② Analyze< Compare Means< One-Sample T Test，打开对话窗。
③ 选择变量Vc为Test variable。在Test Value后面的框内输入总体均数246。
④ 点击Ok确定，输出统计分析结果。
运行程序后，首先输出单样本统计量。此后为单样本检验结果。
One-Sample Statistics

N
Mean
Std. Deviation
Std. Error Mean
Vc
12
252.0000
9.11542
2.63140

One-Sample Test

Test Value = 246
t
df
Sig. (2-tailed)
Mean Difference
95% Confidence Interval of the Difference
Lower
Upper
Vc
2.280
11
.044
6.00000
.2083
11.7917
本例为单侧检验，但SPSS只输出双测检验p值。若进行单侧检验，要根据双测检验p值自行计算单侧检验概率。若表面效应与备择假设假设相一致，即备择假设为样本所在总体均数大于已知总体均数，t值为正；或备择假设为样本所在总体均数小于已知总体均数，t值为负，则单测检验p值=双侧检验p值/2；反之，若表面效应与备择假设趋势正好相反，则单侧检验p值=1-双侧检验概率/2。
从本例单样本检验结果看，t统计量为2.280，双侧检验p值为0.044。因本例备择假设为μ>246，实际表面效应=6.00000，大于246，所以单侧检验p值应为双侧检验p值除以2，即0.044/2=0.022。因单侧检验0.01<p<0.05，所以该饲料场产品是合格的。若检验三聚氰胺等有害化学物质，则备择假设应为μ<μ0。
单样本t检验实际为配对t检验的特例，可用配对t检验和两因素无重复观测值方差分析模型或单因素配伍组设计方差分析模型求解，主要结果等价（即p值相等），且可以获得更多的统计信息。
14.2.3配对设计资料t检验
配对设计(Dependent samples t test, Paired-samples t test)是实际是随机区组设计试验的特例，可降低试验误差和提高试验的准确性和精确性。SPSS 配对t检验命令可进行1对或同时进行多对配对资料的分析。在进行配对t检验时，也应特别注意分布正态性和方差同质性两大前提条件。数据分布正态性可以用SPSS探索性分析命令explore来实现，但方差同质性检验不宜采用explore命令进行，需要根据混合线性模型分析结果编程来完成。
【例14.8】用家兔10只试验某批注射液对体温的影响，测定每只家兔注射前后的体温，见表14.8。设体温服从正态分布，问注射前后体温有无显著差异？
表14.8 家兔注射药物前后体温变化
兔号
1
2
3
4
5
6
7
8
9
10
注射前体温
37.8
38.2
38.0
37.6
37.9
38.1
38.2
37.5
38.5
37.9
注射后体温
37.9
39.0
38.9
38.4
37.9
39.0
39.5
38.6
38.8
39.0
解 SPSS操作步骤：
① 建立数据集：将注射前体温和注射后体温观察值分别输入两列，分别命名为Pretr和Posttr。
② Analyze < Compare Means< Paired-Samples T Test ，打开对话框。
③ 单击变量，分别将pretr和posttr选入Paired Variable栏，也可按Control键一次性调入成对变量。
⑷ 点击Ok确定，输出分析结果。
Paired Samples Statistics

Mean
N
Std. Deviation
Std. Error Mean
Pair 1
注射前体温
37.9700
10
.29833
.09434
注射后体温
38.7000
10
.50990
.16125
首先输出成对变量基本统计结果Paired Samples Statistics表格，包括样本含量、平均数、标准差、标准误等。
Paired Samples Correlations

N
Correlation
Sig.
Pair 1
注射前体温 & 注射后体温
10
.497
.144
Paired Samples Correlations表格为成对样本相关分析。成对样本观察值存在相关，是进行配对t检验基础，但相关系数显著与否不起决定性作用。本例注射前后实验动物体温的相关系数为0.144，无显著的统计学意义，仅供参考。
Paired Samples Test

Paired Differences
t
df
Sig. (2-tailed)
Mean
Std. Deviation
Std. Error Mean
95% Confidence Interval of the Difference
Lower
Upper
Pair 1
注射前体温 - 注射后体温
-.73000
.44485
.14067
-1.04822
-.41178
-5.189
9
.001
Paired Samples Test表内陈列了配对t检验最主要的结果。从表可见，本例配对t检验两样本差值d平均值（表面相应）=-0.73000；试验误差，即差值d标准误=0.14067; t=-5.189，双侧检验p值为0.001，小于极显著水平0.01。因此，注射药物前后兔体温有极显著差异，这里表现为注射药物后体温极明显升高。配对t检验命令可以进行单样本t检验。
【例14.9】根据例14.6的数据，用配对t检验法求解单样本t检验案例。
解 SPSS操作步骤：
① 建立数据文件：将8名甲状旁腺减退患者血钙值输入同列，将该变量命名为calcium；另建一变量，内含8个病人对应的正常人血钙值，即2.29重复8个案例，变量名为GM。
② Analyze < Compare Means < Paired-Sample T Test，打开对话框。
③ 单击变量，分别将calcium和GM选入Paired variable栏。
④ 点击Ok确定，输出分析结果。
Paired Samples Test

Paired Differences
t
df
Sig. (2-tailed)
Mean
Std. Deviation
Std. Error Mean
95% Confidence Interval of the Difference
Lower
Upper
Pair 1
cadmium - 总体均数
-.28375
.13038
.04610
-.39275
-.17475
-6.156
7
.000
从Paired Samples Test表可见，t=-6.156，双击sig.栏，得到p=0.000465(p<0.01)。因此，配对t检验与单样本t检验计算结果等价。此例有助于深入领会单样本t检验的实质。此外，配对t检验本身可以被方差分析模型替代。
14.2.4成组（非配对）设计资料t检验
非配对t检验(Independent sample t test)的两个样本相互独立，其含量不一定相等。无论样本含量是否相等，用SPSS进行非配对t检验的操作方法完全一致。利用SPSS进行非配对t检验时，两组数据应满足效应独立性、分布正态性、方差同质性三大前提条件。效应独立性一般可根据专业知识，结合相关分析来确定；分布正态性可用SPSS 探索性分析命令explore完成；SPSS 非配对t检验本身也提供了方差同质性检验结果。
【例14.10】某种猪场分别测定长白后备种猪和蓝塘后备种猪90kg时的背膘厚度，测定结果如表14.10所示。设两品种后备种猪90kg时的背膘厚度值服从正态分布，且方差相等，问该两品种后备种猪90kg时的背膘厚度有无显著差异？
表14.10 长白与蓝塘后备种猪背膘厚度
品种
N
背膘厚度(cm)
长白
12
1.2
1.32
1.1
1.28
1.35
1.08
1.18
1.25
1.3
1.12
1.19
1.05
蓝塘
11
2
1.85
1.6
1.78
1.96
1.88
1.82
1.7
1.68
1.92
1.8

解 SPSS操作步骤：
① 建立数据文件：将所有观察值输入同列，命名为fat；另建一分组变量breed。
② Analyze < Compare Means < Independent-samples T Test ，打开对话框。
③ 单击变量名，选择变量fat为Test Variables，breed变量为Grouping Variable。
④ 单击Independent-Samples T Test下方的Define Groups 按钮，弹出定义对话框，默认选项为Use Specified Value，在Group1和Group2框中分别填入1和2，即要对组别变量值为1和2的两个组做t检验。点击Continue返回Independent Samples T Test对话框。
⑤ 若要选择置信度和处理缺失值的方法，可点击independent-Samples T Test对话框的options对话框设置。本例不改缺省设置，按continue返回independent Samples T Test对话框。
⑥ 点击Ok，运行程序，输出结果。
首先输出的是描述性统计，给出了两个组的样本数N、均值Mean、标准偏差Std. Deviation、标准误Std. Error Mean。
Group Statistics

breed
N
Mean
Std. Deviation
Std. Error Mean
fat
长白
12
1.2017
.09980
.02881
蓝塘
11
1.8173
.12281
.03703

Independent Samples Test

Levene's Test for Equality of Variances
t-test for Equality of Means
F
Sig.
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference
Lower
Upper
fat
Equal variances assumed
.289
.597
-13.244
21
.000
-.61561
.04648
-.71227
-.51894
Equal variances not assumed

-13.121
19.332
.000
-.61561
.04692
-.71369
-.51752
第二部分输出的Independent Samples Test是主要结果。该部分内容主要分为两部分:
1)Levene's Test for Equality of Variances，即方差齐次检验(Levene检验)。本例Levene 检验F统计量为0.289，p值为0.589，可见两样本所在总体方差没有显著差异，即方差同质。
2)样本均数t检验部分。因方差相等或不相等而计算不同。如果两组样本所在总体方差有显著差异(Equal variances not assumed)，则需要进行校正，则要