独立样本检验

一、独立样本T检验

在总体的标准差已知时，可根据中央极限定理，来确认抽样分布的标准误，并基于正态分布的假设，进行Z检验。但是当总体标准差未知时，抽样分布的标准误由样本差来推估，因此可能因为样本过小而造成偏误，而需使用T检验来进行数据检验。当n大于30之时，T分布与Z分布十分接近，使用T检验实际上涵盖了Z检验的应用^［206］。这里所说的独立样本是指，样本可以独立颠倒顺序而不对问题产生影响的样本。Spss对方差齐性的检验，所使用的F统计量是F= S²₁/S²₂，并把这个检验称为Levene检验(Levene Test for Equality of Variance)。

表6－8　独立样本分组

如表6－8、6－9所示，我们将量表中的所有题项得分进行加总。计算出量表总得分上下27%分位数(结果见表格6－8)，以上下27%分位数(114、177)为界限，最低值到114分为低分组，177到最高值为高得分组，生成一个新变量来标记该分组。将高低两组样本在各个题项上进行T检验。

表6－9　独立样本T检验结果

表格6－9中只是列出了对题项B1、B2的两独立样本T检验结果。从表格中我们可以看到题项B1在高低两个组别上方差齐次性检验的sig值是0．061，在0．05的显著性水平下，接受方差相等的原假设。这一结果决定了观察T检验的值，要用上面一行(Equal variances assumed)的结果，此时，T统计量的显著性(双尾)(对两个组别上B1的均值是否相等的检验)的sig值是0．000，即T假设检验未通过，也就是说在高低两个组别上，B1的得分均值有显著差异。同一行中，95% Confidence Interval of the Difference表示的是置信区间的两个端点与的距离，表中的数字是(－2．848，－2．370)。这表明，落在这个区间里的不可能为0。也就是说。这与上面的检验结果是一致的。相似的，我们对所有的题项进行两独立样本T检验，结果发现所有题项在两个组上均有显著差异，这样我们将保留所有的题项，不删除任何的题项。