5.3.1 均值差异检验
一种常见的统计检验涉及关于均值的假设。T-TEST 命令用于判断两个独立的子集是否具有相同的均值。
一位研究者怀疑人的身高与核心体温可能因其性别不同而存在差异。为进行研究，他基于先前遇到的 physiology.sav 数据提出了两个原假设：
- 总体中男性与女性的平均身高相等。
- 总体中男性与女性的平均体温相等。
出于研究目的，研究者决定使用 0.05 的 p 值。
除 T 检验外，T-TEST 命令还会执行方差齐性的 Levene 检验。若方差相等，则可使用功效更高的 T 检验形式。但如果假定方差相等并不稳妥，则需要另一种计算方式。PSPP 会同时执行两种计算。
对于 height 变量，输出显示 Levene 检验的显著性为 0.33，这意味着当方差相等时，Levene 检验产生此结果的概率为 33%。若显著性小于 0.05，则假定方差相等就不稳妥了。然而，由于该值高于 0.05，方差齐性假设是安全的，可以使用“假定方差相等”行（即功效更高的检验）。查看该行，height 的 t 检验双尾显著性小于 0.05，因此可以安全地拒绝原假设，并得出男性与女性平均身高不相等的结论。
对于 temperature 变量，Levene 检验的显著性为 0.58，因此同样可以使用方差相等行。方差相等行显示 temperature 的双尾显著性为 0.20。由于该值大于 0.05，我们必须拒绝原假设，并得出证据不足以表明男性与女性的体温存在差异的结论。
本分析的语法为：
PSPP> get file='/usr/local/share/pspp/examples/physiology.sav'.
PSPP> recode height (179 = SYSMIS).
PSPP> t-test group=sex(0,1) /variables = height temperature.
PSPP 为该语法产生如下输出：
| F | 显著性 | t | df | 显著性（双尾） | 均值差 | 均值差标准误 | 差值 95% 置信区间 | |||
|---|---|---|---|---|---|---|---|---|---|---|
| 组 | N | 均值 | 标准差 | 均值标准误 | ||||||
| 身高（毫米） | 男性 | 22 | 1796.49 | 49.71 | 10.60 | |||||
| 女性 | 17 | 1610.77 | 25.43 | 6.17 | ||||||
| 体内温度（摄氏度） | 男性 | 22 | 36.68 | 1.95 | .42 | |||||
| 女性 | 18 | 37.43 | 1.61 | .38 | ||||||
| 方差齐性 Levene 检验 | 均值相等性 T 检验 | |||||||||
| 下限 | 上限 | |||||||||
| 身高（毫米） | 假定方差相等 | .97 | .331 | 14.02 | 37.00 | .000 | 185.72 | 13.24 | 158.88 | 212.55 |
| 不假定方差相等 | 15.15 | 32.71 | .000 | 185.72 | 12.26 | 160.76 | 210.67 | |||
| 体内温度（摄氏度） | 假定方差相等 | .31 | .581 | -1.31 | 38.00 | .198 | -.75 | .57 | -1.91 | .41 |
| 不假定方差相等 | -1.33 | 37.99 | .190 | -.75 | .56 | -1.89 | .39 |
T-TEST 命令检验均值的差异。此处 height 变量的双尾显著性小于 0.05，因此可以拒绝原假设。于是，证据表明男性与女性的身高存在差异。而 temperature 变量的检验显著性大于 0.05，因此无法拒绝原假设，证据不足以表明体温存在差异。