使用 SPSS 和 PASW/单样本均值检验

一个单样本均值检验是一种统计检验，可以确定总体估计值（即样本统计量）是否与已知值显著不同。

一个假设的例子可能有助于说明这一点。假设对成年人口的全国调查询问人们在 10 分制的宗教程度，从 1 代表“一点也不宗教”到 10 代表“非常宗教”。假设美国人在这个量表上的平均分是 6.01。对于我们的遗传咨询师样本，我们可以询问遗传咨询师的宗教程度是否与一般人口相似。为此，我们使用单样本均值检验，它考虑了抽样误差。对于比例（即名义/序数变量）也有类似的检验，但 SPSS 无法进行这些检验。以下是 SPSS 中如何进行单样本均值检验的说明。

首先，转到“分析”->“比较均值”->“单样本 T 检验”。

将打开“单样本 T 检验”窗口。

选择要与目标值比较的变量，然后将其移到“检验变量”框中。

接下来的部分绝对至关重要，第一次运行时很容易忽略。在“检验变量”框下方的“检验值”框中，你需要输入目标值。在本例中，我们将输入 6.01。

（注意：初学者经常会将“检验值”框留空。并且，由于某种原因，SPSS 会在框中默认设置一个零值，这意味着如果你没有在框中输入你的目标值，则测试将运行，因为 SPSS 会假设你的目标值为零。只要确保在“检验值”框中输入了正确目标值。）

结果将打开在“输出”窗口中。

有两个表。第一个只是描述了分析中包含的样本和变量。N、均值、标准差和均值的标准误差都包括在内。对于这个例子来说，遗传咨询师的平均宗教程度得分为 4.65，低于我们假设的美国人口的一般宗教程度。但是，问题是这是否是由于随机误差还是遗传咨询师的实际影响。

第二个表格告诉我们两个均值之间的差异是否可能是由于偶然性造成的。第一列是 t 统计量。使用 t 表，可以利用此值来确定两个均值是否显著不同。SPSS 为你执行计算。下一列“df”提供你的自由度，对于单样本均值检验，它是 n-1。第三列 Sig.（双尾）为该特定检验提供 p 值，即在随机误差下（假设它们实际上相同）找到遗传咨询师均值与美国一般成年人口均值之间差异的概率（同样，这是假设的）。在本例中，p 值为 .000，小于统计学中使用的标准 p 值 .05，表明如果总体均值相同，我们只因随机误差而找到此差异的可能性小于 1/1000。在这种情况下，我们将拒绝关于没有差异的零假设，并接受关于遗传咨询师和一般人口在平均宗教程度方面存在差异的备择假设。