什么情况下最适合用 T 检验分析？

做实验总被 p 值折磨？三分钟教你用 SPSS 玩转 T 检验三大套路，从此统计结果撼服审稿人！文末附 SCI 级结果表述模板～

为什么 T 检验是生物人必备技能？

✅ 实验组 vs 对照组差异检验黄金标准

✅ 小样本量（n<30）也能精准推断

✅ 一招搞定前后测量/分组比较/理论对比

✅ 80% 生物医学研究的核心统计方法

如何选择最适合你的 T 检验

场景 1. 独立样本 T 检验 — 「比比谁更猛」

核心用途：比较两个完全独立组别的均值差异。

数据要求：

① 独立性：两组数据来源独立，互不干扰。

② 正态性：两组数据各自近似服从正态分布（轻微偏离也没事，稳健性高）。

③ 方差齐性：两组的方差要大致相等（Levene 检验）

生物学经典案例：

① 比较两种不同基因型小鼠（WT vs KO）的肿瘤体积。

② 比较两种不同抗生素（A 药 vs B 药）处理后的细菌菌落数。

③ 比较不同生态环境（森林 vs 草原）土壤中的某种微生物含量。

场景 2. 配对样本 T 检验 — 「自己和自己比」

核心用途：比较同一批研究对象在两种不同处理或不同时间点下的均值差异。

数据要求：

① 配对性：数据必须成对出现，一一对应（样本量必须相等！）。

② 正态性：关键看配对差值的分布是否近似正态，而非原始数据。

生物学经典案例：

① 同一批患者接受治疗前后的某项生理指标（如血压、血糖）变化。

② 同一只小鼠在左侧和右侧背部接种不同肿瘤后的重量差异（配对设计）。

③ 同一份组织样本分为两份，分别用两种检测方法（如 qPCR vs ELISA）测得的表达量。

场景 3. 单样本 T 检验 — 「我和大佬比」

核心用途：判断一组样本的均值是否与某个已知的理论值、标准值或总体均值存在差异。

数据要求：

① 单一性：只有一组数据。

② 正态性：这组数据本身近似服从正态分布。

生物学经典案例：

① 检测本公司生产的试剂盒测得的吸光度值是否等于标准品的理论值。

② 分析某种疾病患者群体的平均血压是否与正常值 120/80 mmHg 有显著差异。

③ 验证实验室测定的某种元素含量是否等于国家标品认证值。

所以你的数据适合哪种 T 检验？

有两组数据？

是同一批对象/高度配对的吗？ → 是： 配对 T 检验 | 否： 独立样本 T 检验

只有一组数据？ → 单样本 T 检验

准备工作（避雷必看！）

1. 正态性检验：分析 → 描述统计 → 探索 → 勾选「含检验的正态图」（P > 0.05 才能用 T 检验！）

2. 方差齐性：独立样本 T 检验自动输出 Levene 检验（P>0.05 说明方差齐）

图源：SPSS（自制） 正态性检验

案例实战：两种药物对小鼠血液钾含量不同影响

【数据导入】

1. Excel 输入两列：分组（a/b）和钾含量（数值）

2. SPSS 直接粘贴 → 变量视图设置：

分组 Group：类型「字符串」，值标签（a = 药物 1；b = 药物 2）

钾含量 K_Content：尺度 →「度量」（连续变量）

图源：SPSS（自制） 数据导入

独立样本 T 检验操作教学

1. 分析 → 比较平均值 → 独立样本 T 检验

2. 检验变量：钾含量 K_Content

3. 分组变量：分组 Group → 定义组 → 输入「a」和「b」

4. 关键选项：

✅ 置信区间百分比（默认 95%）

✅ 缺失值：按分析排除

图源：SPSS（自制）独立样本 T 检验操作

5. 结果解读先看这三要素

① 第一看方差齐性：

如果莱文（Levene）检验 P > 0.05 (例如 0.123) → 说明方差齐。OK，放心大胆地看第一行（假定等方差）的 t 检验结果。

如果 P ≤ 0.05 (例如你的案例 0.010) → 说明方差不齐！响警报！必须看第二行（不假定等方差）的结果。

案例中，P = 0.010 < 0.05 → 方差不齐！必须看第二行「不假定等方差」

图源：SPSS（自制）方差齐性

② 第二看统计量：

t'= 2.098, df = 13.51, P = 0.055 > 0.05 → 差异无统计学意义

正确报告（学霸操作）：

「经 Levene 检验，两组方差方差不齐（F = 8.219, P = 0.010），故采用校正 t 检验（Welch 法）。结果显示，尚不能认为两组钾含量差异具有统计学意义（t'= 2.098, df = 13.51, P = 0.055）。」

图源：SPSS（自制）组统计

③ 第三效应量（Cohen's d）：

公式：|均值差|/合并标准差 → 效应量 0.94（效果显著！虽然 P>0.05 但效应量大）

图源：SPSS（自制）效应量 Cohen's d

【SCI 级结论表述模板】

「药物 a 组鼠血液钾含量（2.40±1.09 μg/g）与 b 组（1.59±0.56 μg/g）差异虽无统计学意义（t'= 2.098，P = 0.055），但观察到大的效应量（Cohen's d = 0.94），可能因样本量不足导致统计效能降低，建议扩大样本量进一步验证。」

三大 T 检验 SPSS 速通指南

① 单样本 T 检验：分析 → 比较平均值 → 单样本 T 检验 → 输入检验值（文献理论值）

② 配对样本 T 检验：分析 → 比较平均值 → 成对样本 T 检验 → 配对变量前后测

③ 效应量计算：分析 → 描述统计 → 描述 → 勾选标准差（用于计算 Cohen's d）

翻车现场抢救指南

❌ 方差齐性 P<0.05 还看第一行 → 喜提审稿人怒怼

✅ 抢救方案：立马报告 Welch 校正结果（第二行）

❌ 配对检验当成独立样本做 → 数据变废纸

✅ 必做步骤：数据 → 转换 → 创建配对变量差值

全文参考：IBMSPSS 官方文档