上一篇文章介绍了单一样本t检验，但实际上除了论文常用的单一样本t检验外，另一种t检验方法也是常用的统计方法，即两种独立的样本t检验
说到t检查，让我们先回答一个问题。 t检查属于单因素分析吗？ 那么，t检验与单因素方差分析有什么关系？ 一位老师对我说。 要分析“年龄和SDS变量(抑郁自评量表)”是否相关，首先要把年龄和SDS绘制成散点图，然后进行线性相关分析，结果发现两者没有关系。 她将年龄分组(例如(30岁，(30岁，) ) 60岁，() 60岁) )，他们之间是否相关如上所述，很复杂，但让我们来简单一下。 如何判断x和y是否相关联？ 是否相关的结果和x的数据的表示方法有关系吗？ 为了回答这个问题，让我们先来看一个例子：
从上图a可以看出，x和y的散布图没有相关(y的值不因x的值而变化)，也就是说x和y没有相关。 分组x并不能改变x和y的关系。 这是肯定的。 因此，上述年龄和SDS得分的关系也是一样的。 那么，如何判断年龄是否是SDS得分的影响因素呢？ 应该使用相关分析吗？ 为什么有的论文使用t检验呢？ 例如，以下示例：
为什么判断“有无参加领导课程”是否是RSLQ的影响因素时会使用t检验呢？
其实，单因素分析包括t检验、方差分析和卡方检验等； t检验是单因素分析的统计学方法。 用上面的x和y的例子来说明，如果变量x真的与y相关，或者x是y的影响因素，那么在x分组之后，组和组之间应该也有差异。 由于年龄和SDS得分的关系，使用t检验还是方差分析，与x (年龄)被分成几组有关。 如果是两组，就用t检验。 对于三个组，请使用方差分析。 其实两组也可以使用方差分析。 因为方差分析的结果和t检验的结果一样。 如果两组间的单因素方差分析和t检验结果相同，单因素方差分析可以比较两组以上的组，但t检验只能比较两两个。
接着，详细说明两个独立的样品t的检查
两个独立的样本t检验(two independent samplest-test )也称为组t检验。 独立样本t检验与配对样本t检验的原理相同，也是为了看两组数据的平均值是否有差异。 与配对样本t检验的区别在于方案的设计，也就是两个样本是独立的还是配对的。 例如，选择5名男性和5名女性，想看看男女之间有无身高差。 这样，男性组和女性组，这两组之间身高的平均值大小，可以用这个方法，因为男性样本和女性样本是独立的。 这个独立样本t检验也涉及方差齐性检验，需要注意。 如果有偏差，则采用校正后的t检验，也就是t’检验。
以使用SPSS进行两个独立的样品t检验的方法为例。
为了研究老年护士参加社区计划对高血压患者自我管理能力变化的影响，某医院用16名社区高血压患者进行了同步随机对照试验。 研究人员将这些患者随机分为试验组(实施老年护士社区计划)和对照组)，测量了试验开始前和试验8周后高血压患者的自我管理能力得分。 高血压患者自我管理能力得分的上升值如SPSS所示，认为老年护士社区计划能提高高血压患者的自我管理能力吗？
本研究将数据资料分为两组，每组8个数据，待测指标为高血压患者自理能力得分提高值，因此属于两组设计的定量资料。
要比较老年护士参加社区项目对高血压患者自我管理能力变化的影响，有必要验证两组间整体平均数的差异是否有显着性。 两组数据相互独立，总体方差均匀，且两组总体服从正态分布时，可以采用两个独立样本的t检验分析问题。
具体步骤如下：
1 .正规性检查
将数据导入到SPSS中(注：输入数据时，请重新定义分组变量，并将进行相同处理的变量分组)，然后检查数据的规范性。
将得分提高值列入因子列表，将组列入因子列表； 单击图时，将显示右侧的对话框，其中包含检查的正则表达式被选中。
dd94ec49349a3bc3349fb544c7ed2?from=pc">点击确定。
由结果可以看出，两种检验的P值均大于0.05，因此不能拒绝原假设，认为数据服从正态分布。
2.两独立样本T检验
将得分提高值放入检验变量，分组放入分组变量，点击定义组，设置指定组值。
点击选项，出现如下对话框，它们各自的作用在单样本t检验中已经介绍过，根据需要设置置信区间的百分比以及采用哪种方式对缺失值进行处理。
3.结果解读
（1）组统计
表格中显示了不同分组的个案数、平均值、标准差和标准误差平均值。
（2）独立样本检验
在进行t检验前要先进行方差齐性检验，判断两样本方差是否相等。方差相等时t检验看第一行，方差不等时看第二行。
方差齐性检验通常是通过F检验来实现的。
由结果可以看出，F=0.109，P=0.746>0.05，因此不能拒绝原假设，认为方差是相等的。方差相等，所以t检验看第一行，t=4.854，P=0.000<0.05，因此拒绝原假设，认为高年资护士进社区方案可以提高高血压患者自我管理能力。
将核心基本统计量值：平均数、标准差、t值、p值等写到论文中即可。（p值还是按照“大同小异”来判断，p＞0.05代表相同，即没有差异；p＜0.05代表不同，即有差异，至于谁大谁小，根据平均值来判断。
我们来看一下两独立样本T检验在论文结果中是怎么体现的：
从表中可以看出，方案实施后，除人际关系维度外，社区护士的护理核心能力总分及其他维度得分均高于实施前，差异具有统计学意义（P＜0.05）。
# 知识延伸：
数据的正态性检验通常会因为样本量的大小程度而产生一定的误差，所以，实际操作中我们要采取多种方法综合判断，前面我们也讲过如何对数据进行正态性检验（如何使用SPSS对数据进行正态性检验）。另外，T检验对正态性的稳健性比较强，如果数据只是稍微偏离正态，那么对结果是没有很大影响的；若偏离太大，则应考虑对数据进行变换或采用非参数检验的方法。#清风计划#
参考文献：
[1] xxdwd,zgdlc,gddh,真实的蛋挞,温暖的戒指,含蓄的手套,lhzdtd,爱听歌的雪糕.综合医院高年资护士进社区方案的构建与实践[J].中华护理杂志,2018,53(10):1174-1178.