Független t-teszt az SPSS Statistics segítségével

Bevezetés

A független minták t-tesztje (vagy röviden a független t-teszt) összehasonlítja ugyanazon folyamatos, függő változó két független csoport közötti átlagokat. Például használhat egy független t-tesztet annak megértésére, hogy az első éves diplomások fizetése nemenként különbözött-e (azaz az Ön függő változója az "elsőéves diplomások fizetése", a független változó pedig a "nem" lenne, amelynek két csoportja van): "férfi és nő"). Alternatív megoldásként használhat egy független t-tesztet annak megértésére, hogy van-e különbség a teszt szorongásában az iskolai végzettség alapján (azaz függő változója "teszt szorongás" és független változója "iskolai végzettség", amelynek két változata van: csoportok: "egyetemisták" és "posztgraduálisok").

Ez a "gyors üzembe helyezési útmutató" bemutatja, hogyan lehet független t-tesztet végrehajtani az SPSS Statistics segítségével, valamint értelmezni és jelenteni a teszt eredményeit. Mielőtt azonban bemutatnánk Önnek ezt az eljárást, meg kell értenie azokat a különböző feltételezéseket, amelyeknek az adatainak meg kell felelniük ahhoz, hogy egy független t-teszt érvényes eredményt adjon Önnek. Ezeket a feltételezéseket a következőkben tárgyaljuk.

SPSS Statisztika

Feltételezések

Ha úgy dönt, hogy független t-teszt segítségével elemzi adatait, a folyamat egy része magában foglalja annak ellenőrzését, hogy megbizonyosodjon arról, hogy az elemezni kívánt adatokat valóban elemezni lehet egy független t-teszt segítségével. Ezt meg kell tennie, mert csak akkor célszerű független t-tesztet használni, ha adatai hat feltételezést "teljesítenek", amelyekre a független t-teszthez érvényes eredmény megadása szükséges. A gyakorlatban ennek a hat feltételezésnek az ellenőrzése csak egy kicsit több időt jelent az elemzéshez, és megköveteli, hogy az elemzés elvégzése során kattintson még néhány gombra az SPSS statisztikájában, valamint gondolkodjon egy kicsit többet az adatairól, de ez nem nehéz feladat.

Mielőtt bemutatnánk Önnek ezt a hat feltételezést, ne csodálkozzon, ha saját adatainak az SPSS Statistics segítségével történő elemzésénél e feltételezések közül egyet vagy többet megsértenek (azaz nem teljesülnek). Ez nem ritka, ha a valós adatokkal dolgozunk, nem pedig tankönyvekkel, amelyek gyakran csak akkor mutatják be, hogyan kell független t-tesztet végrehajtani, ha minden jól megy! Ne aggódjon. Még akkor is, ha az adatai meghiúsítanak bizonyos feltételezéseket, gyakran van megoldás ennek leküzdésére. Először nézzük meg ezt a hat feltételezést:

A 4., 5. és 6. feltételezést az SPSS Statistics segítségével ellenőrizheti. Ezt megelőzően meg kell győződnie arról, hogy adatai megfelelnek-e az 1., a 2. és a 3. feltételezésnek, bár ehhez nem szükséges SPSS statisztika. A 4., 5. és 6. feltételezésre való áttéréskor azt javasoljuk, hogy tesztelje őket ebben a sorrendben, mert ez egy olyan sorrendet képvisel, ahol ha a feltételezés megsértése nem orvosolható, akkor már nem lesz képes független t- teszt (bár előfordulhat, hogy helyette egy másik statisztikai tesztet is lefuttathat az adatain). Csak ne feledje, hogy ha nem helyesen futtatja a statisztikai teszteket ezeken a feltételezéseken, akkor a független t-teszt futtatása során kapott eredmények nem biztos, hogy érvényesek. Ezért szentelünk továbbfejlesztett független t-teszt útmutatónk számos szakaszát, hogy segítsen neked ebben a jogban. Megismerheti a továbbfejlesztett független t-teszt útmutatónkat itt, vagy általánosabban, a továbbfejlesztett tartalmunk egészét itt.

A Teszt eljárás az SPSS statisztikában részben bemutatjuk az SPSS statisztikai eljárást, amely egy független t-teszt elvégzéséhez szükséges, feltételezve, hogy egyetlen feltételezést sem sértettek meg. Először bemutattuk azt a példát, amelyet az SPSS Statistics független t-teszt eljárásának magyarázatára használunk.

SPSS Statisztika

Példa

A koleszterin (egyfajta zsír) koncentrációja a vérben összefügg a szívbetegség kialakulásának kockázatával, így a magasabb koleszterin-koncentráció magasabb kockázati szintet, az alacsonyabb koncentráció pedig alacsonyabb kockázati szintet jelez. Ha csökkenti a vér koleszterin koncentrációját, csökkentheti a szívbetegség kialakulásának kockázatát. A túlsúly és/vagy a fizikai inaktivitás növeli a vér koleszterin koncentrációját. A testmozgás és a fogyás egyaránt csökkentheti a koleszterin koncentrációt. Nem ismert azonban, hogy a testmozgás vagy a fogyás a legjobb-e a koleszterin koncentráció csökkentésére. Ezért egy kutató úgy döntött, hogy megvizsgálja, hatékonyabb-e egy testmozgás vagy súlycsökkentő beavatkozás a koleszterinszint csökkentésében. Ennek érdekében a kutató véletlenszerű mintát vett fel az inaktív hímek közül, akiket túlsúlyosnak minősítettek. Ezt a mintát véletlenszerűen két csoportra osztották: az 1. csoport kalóriakontrollált étrenden esett át, a 2. csoport pedig az edzés-edzés programot vállalta. Annak megállapítása érdekében, hogy melyik kezelési program volt hatékonyabb, összehasonlítottuk az átlagos koleszterin-koncentrációt a két csoport között a kezelési programok végén.

SPSS Statisztika

Beállítás az SPSS statisztikában

Az SPSS statisztikában a csoportokat elemzés céljából szétválasztottuk egy kezelés nevű csoportosító változó létrehozásával (azaz a független változóval), és az „étrendcsoport” "1" és a "testcsoport" értéke "2" (vagyis a független változó két csoportja). A koleszterin koncentrációkat a koleszterin (azaz a függő változó) név alatt adtuk meg. Fokozott független t-teszt útmutatónkban megmutatjuk, hogyan kell helyesen beírni az adatokat az SPSS Statistics-be egy független t-teszt futtatásához (lásd itt). A továbbfejlesztett adatbeállításokról általában itt tájékozódhat. Alternatív megoldásként van egy általános, „gyors indítási” útmutatónk, amely bemutatja, hogyan kell bevinni az adatokat az SPSS statisztikákba, itt elérhető.

SPSS Statisztika

Vizsgálati eljárás az SPSS statisztikában

Az alábbi nyolc lépés bemutatja, hogyan elemezheti adatait az SPSS Statistics független t-tesztjének felhasználásával, ha az előző szakaszban, a Feltételezésekben szereplő hat feltételezést nem sértették meg. E nyolc lépés végén megmutatjuk, hogyan kell értelmezni a teszt eredményeit. Ha segítségre van szüksége, hogy megbizonyosodjon arról, hogy adatai megfelelnek-e a 4., 5. és 5. feltételezésnek, amelyekre szükség van egy független t-teszt használatakor, és amelyek az SPSS Statistics segítségével tesztelhetők, itt többet megtudhat.

Analyze> Compare jelenti: Függetlent-Minták T teszt.

Megjelent az SPSS Statistics, IBM Corporation írásos engedélyével.

Megjegyzés: Ha a vizsgálatban több mint 2 kezelési csoport van (pl. 3 csoport: diéta, gyakorlat és drog kezelési csoportok), de csak kettőt akartak összehasonlítani (pl diéta és drog kezelési csoportok), beírhatná 1 csoportosítani 1: doboz és 3 csoportosítani 2: négyzet (azaz, ha összehasonlítani kívánta az étrendet a gyógyszeres kezeléssel).

Kattintson a gombra.

Ha módosítania kell a megbízhatósági szint korlátjait, vagy módosítania kell az esetek kizárásának módját, kattintson a gombra. A következőket mutatjuk be:

Megjelent az SPSS Statistics, IBM Corporation írásos engedélyével.

SPSS Statisztika

A független t-teszt eredménye az SPSS Statistics-ben

Az SPSS Statistics két fő eredménytáblát generál a független t-teszthez. Ha az adatai megfeleltek a 4. feltételezésnek (azaz nem voltak jelentős kiugró értékek), az 5. feltételezésnek (azaz a függő változó körülbelül normálisan volt elosztva a független változó minden csoportjának) és a 6. feltevésen (vagyis a varianciák homogenitása volt) ), amelyet korábban a Feltételezések részben ismertettünk, csak ezt a két fő táblázatot kell értelmeznie. Mivel azonban tesztelnie kellett volna adatait ezekhez a feltételezésekhez, értelmeznie kell az SPSS Statistics kimenetét is, amelyet akkor készítettek, amikor teszteltük őket (azaz értelmeznie kell: (a) a dobozosokat, amelyekkel ellenőrizte, hogy voltak jelentős kiugró értékek; (b) az SPSS Statistics kimenet a Shapiro-Wilk normalitás tesztje számára készíti a normalitás meghatározását; és (c) az SPSS Statistics kimenet a Levene tesztje számára készíti a variancia homogenitását). Ha nem tudja, hogyan kell ezt megtenni, itt bemutatjuk a továbbfejlesztett független t-teszt útmutatónkat. Ne feledje, hogy ha az adatai meghiúsították ezeket a feltételezéseket, akkor a független t-teszt eljárásból kapott kimenet (vagyis az alábbiakban ismertetett táblázatok) nem biztos, hogy érvényesek, és ezeket a táblázatokat másképp kell értelmeznie.

Ebben a gyors útmutatóban azonban áttekintjük a két fő táblázatot, feltételezve, hogy adatai megfelelnek az összes vonatkozó feltételezésnek.

Csoportstatisztikai táblázat

Ez a táblázat hasznos leíró statisztikákat tartalmaz az összehasonlított két csoportról, beleértve az átlagot és a szórást.

Megjelent az SPSS Statistics, IBM Corporation írásos engedélyével.

Hacsak nincs más oka erre, normálisnak tekinthető, ha információt szolgáltat az adatok átlagáról és szórásáról. Megadhatja azt is, hogy hány résztvevője volt a két csoportnak. Ez akkor lehet hasznos, ha hiányzó értékei vannak, és a felvett résztvevők száma nagyobb, mint az elemezhető résztvevők száma.

Az eredmények vizuális bemutatásához diagram is használható. Például használhat oszlopdiagramot hibasávokkal (például ahol a hibasávok használhatják a szórást, a standard hibát vagy a 95% -os megbízhatósági intervallumokat). Ez megkönnyítheti mások számára az eredmények megértését. Ismét megmutatjuk, hogyan kell ezt megtenni a továbbfejlesztett független t-teszt útmutatónkban.

Független minták vizsgálati táblázata

Ez a táblázat a független t-teszt tényleges eredményeit tartalmazza.

Megjelent az SPSS Statistics, az IBM Corporation írásos engedélyével.

Láthatja, hogy a csoport átlagai statisztikailag szignifikánsan különböznek, mert a "Sig. (Kétfarkú)"sor értéke kevesebb, mint 0,05. A Csoportstatisztika táblázat alapján láthatjuk, hogy azoknak az embereknek, akik vállalták a testmozgást, a program végén alacsonyabb volt a koleszterinszint, mint azoknál, akik kalóriakontrollált étrenden estek át.

SPSS Statisztika

A független t-teszt kimenetének jelentése

A fenti eredmények alapján a következőképpen számolhat be a vizsgálat eredményeiről (N.B., ez nem tartalmazza a feltételezések tesztjeinek vagy az effektus méretének kiszámításának eredményeit):

Ez a tanulmány megállapította, hogy a túlsúlyos, fizikailag inaktív férfi résztvevők statisztikailag szignifikánsan alacsonyabb koleszterin-koncentrációval (5,80 ± 0,38 mmol/l) voltak a testmozgás-edzés program végén, mint egy kalóriakontrollált étrend után (6,15 ± 0,52 mmol/l), t (38) = 2,428, p = 0,020.