IBM SPSS Statistics的配對樣本T檢驗與獨立樣本T檢驗相似，都可用于對比兩個組的均值差異，不同的是，配對樣本T檢驗對比的是兩組變量的平均值，計算的是單個個案在兩個變量的值的差異，檢驗其平均差值是否有差異，使用的是變量組的數據。

配對樣本T檢驗適用于同一研究對象測試前、后的均值對比、同一研究對象施于不同方案后的均值對比等。

一、打開數據文件

本文中，我們會以測試初中生飲用牛奶前后身高是否有顯著性差異，來演示IBM SPSS Statistics的配對樣本T檢驗的操作方法。

需要注意的是，配對樣本T檢驗使用的是變量組數據。如圖1所示，打開兩組初中生身高的數據。

圖1：身高變量組數據

這兩組身高數據有什么區別呢？如圖2所示，打開數據的變量視圖，為初中生身高A、初中生身高B，兩組變量分別標簽為飲用牛奶前、飲用牛奶后。

圖2：變量標簽

二、應用配對樣本T檢驗

接著，依次單擊IBM SPSS Statistics的分析-比較平均值-成對樣本T檢驗，打開配對樣本T檢驗功能。

圖3：成對（配對）樣本T檢驗功能

如圖4所示，在設置面板中，我們可進行多組配對變量的分析，一組配對變量包含兩個變量組。接下來，使用實例數據演示操作。

圖4：成對（配對）樣本T檢驗功能設置面板

1.選擇配對變量

本例中，我們需要探索的是飲用牛奶前后的初中生身高均值是否有顯著性差異，因此，可分別將飲用牛奶前、飲用牛奶后的變量配對。

圖5：選擇配對變量

2.選項設置

接著，針對本例中的數據使用95%置信區間檢驗差異的顯著性，確保較高的準確性。缺失值的處理按照默認的“按具體分析排除個案”選項。

圖6：選項設置

3.解讀分析結果

完成了以上設置后，運行配對樣本T檢驗，并獲得以下分析結果。

首先，先看一下配對樣本統計數值，飲用牛奶后的身高均值高于飲用牛奶前的身高均值，但無法確定差異是否有顯著性。

圖7：配對樣本統計

接著，觀察配對樣本的檢驗數據，其顯著性（雙尾）數值接近于0，大于0.05（95%的置信區間），拒絕兩變量間無差異的假設，即飲用牛奶后的身高均值顯著性高于飲用牛奶前的身高均值。

圖8：配對樣本檢驗