品牌型号：Dell N5010

系统：Windows 10

软件版本：IBM SPSS Statistics

统计分析工作中，假设检验问题是非常重要的一类问题，即在不知道总体分布的前提下，为了推断总体的某些特征，提出的对总体的假设。那么SPSS检验有几种类型，SPSS检验一个变量是否受另一个影响如何操作？本文结合实例向大家作简单介绍。

一、spss检验有几种类型

SPSS中常用的假设检验有正态性检验，t检验，卡方检验等。

正态性检验用以分析数据是否服从正态分布，最常用的是夏皮洛-威尔克检验法。该检验的零假设为数据来源于服从正态分布的总体，如果根据统计量计算的P值小于显著性水平α（一般为0.05），则拒绝零假设，认为数据不服从正态分布，如果P值大于α，则接受零假设，认为数据服从正态分布。

图1是对某数据的检验结果，P大于0.05，认为数据服从正态分布。

t检验用来分析两组数据是否来自同一个总体。t检验由Gosset提出，Gosset指出对于服从正态分布的总体，在测量数据不够多时，必须以一个新的统计量代t替总体的平均值μ，这样才能保持置信水平不变。因此对于少量的数据，分析是否来源于同一总体时，应使用t检验。

t检验零假设为数据来源于同一总体，如果计算的P小于α（0.05），则拒绝该假设，如果P大于α，则接受零假设，认为数据来源于同一总体。

在图2所示的t检验结果中，Sig.（双尾）即为P，P>0.05，认为两组数据来源于同一个总体。

卡方检验是由皮尔逊提出的一种统计检验方法，在一定的置信水平下，通过比较期望概率和实际概率的符合程度，来了解两组定类变量的相关性。卡方检验的零假设是两组变量不相关，如果P大于α，则接受零假设，如果P小于α，则拒绝零假设，认为两组变量相关。

以上是几组常用的检验方法。在下一小节中我们以卡方检验为例，向大家介绍如何分析两组变量间是否存在相关性。

二、spss检验一个变量是否受另一个影响

分析一个变量是否受另一个变量的影响，可以对数据进行卡方检验。为了便于理解，这里列举一个实例。为调查性别是否与某种疾病发病率相关，进行了调查统计，数据如图3所示，其中1代表男性，2代表女性，1代表发病，2代表不发病。

首先对数据进行加权，依次点击【数据】，【个案加权】，如图4所示。

在弹出的界面中，勾选“个案加权系数”，将人数指定为频率变量，点击【确定】，即完成对数据的加权。

在图6所示界面中，依次点击【分析】，【描述统计】，【交叉表】，进入交叉表分析界面。

在交叉表分析界面中，将性别指定为行，将是否发病指定为列，点击【统计】按键，在弹出的窗口中，勾选“卡方”，点击【继续】，点击【确定】。

卡方检验结果如图8所示，皮尔逊卡方检验渐进显著性为0，小于0.05，因此拒绝零假设，认为两组变量相关，即性别会对发病率产生影响。

本文向大家介绍了SPSS检验有几种类型，SPSS检验一个变量是否受另一个影响的内容，SPSS提供的假设检验方法绝不仅限于此，更多的检验方法，大家可以登录IBM SPSS Statistics中文网站学习。