假設有這樣一則報道，某高校學生平均每天學習時間2.5小時。調查該高校16個學生的學習時間，能否驗證報道的正確性。學過一點數學的人大概率會說，樣本量不足，偶然性很大不能夠驗證。但統計學家已經解決了這個問題，通過16個學生學習時間可以驗證該高校學生學習時間是否是2.5小時，這就是著名T檢驗。T檢驗主要是通過兩組樣本的差異性，來判斷數據的真偽。

T檢驗，又稱Student T檢驗（Student’s test），主要是用于樣本含量較小，總體標準差未知的正態分布（中間值數量多，較大值和較小值數量都少的數學分布）。T檢驗是用T分布理論來推理出差異發生的概率，從而比較兩個平均數的差異是否顯著。在統計學中要通過復雜冗長的數學公式來進行T檢驗，但在IBM SPSS Statistics中能夠通過簡單操作進行T檢驗。本文將帶著大家用IBM SPSS Statistics進行T檢驗實操。

1、數據展示

既然上文舉了學習時間的例子，那我們就用學生學習時間來進行T檢驗。如圖1所示有16個學生的學習時間。

圖1：數據展示

2、菜單位置

依次點擊菜單欄中的‘分析’按鈕和下級菜單中的‘比較平均值按鈕’會出現三個不同類別的T檢驗。這三個T檢驗各有各的用處，單樣本T檢驗適用于本文中的案例，即已知平均值要想探究樣本與平均值的差異。獨立樣本T檢驗，適用于兩組不同數據樣本，最常見的是男生女生兩組數據我們分析他們的差異性。成對樣本T檢驗，也是適用于兩組不同的數據樣本，不過這兩組數據樣本是要有關聯的，通常是實驗前的一組數據樣本和實驗后的一組數據樣本。

圖2：菜單欄位置

3、選中檢驗變量

本文中的案例只有學習時間這一個案例，第一步選中每天學習時間，第二步將該變量加入到檢驗變量欄中，第三步編輯檢驗值。

圖3：選擇檢驗變量

4、讀取最終結果

圖4中的報告是數學均值還有標準差，很多軟件都可以得出，我們來重點講解一下圖5

圖4：單樣本統計

第一欄中的t與檢驗的差異性有關，t的絕對值越大表示樣本與校驗值的差異越大，第二欄中的自由度則表示樣本總數減一（樣本總數是16），第三欄中的顯著性的取值范圍能反映真實學習時間與檢驗值之間的關系，當顯著性大于0.05時候說明真實學習時間大于2.5小時，當顯著性小于-0.05時說明學習時間小于2.5小時。置信區間默認95%，平均值差值是與填寫的校驗值之差。

圖5：單樣本檢驗報告

除了單樣本T檢驗，還有獨立樣本T檢驗和成對樣本T檢驗。后兩者和單樣本T檢驗的流程都差不多，原理也在本文中也有闡述，如果遇到相應的情況模仿本文的操作即可。