在对数据统计分析中，最常用到的就是差异分析。不同的变量类型，使用不同的统计学方法来进行统计分析，SPSS中的操作方法也不同。我们会通过若干期的课程来系统的教大家如何在SPSS中对数据进行差异分析。
进行差异分析，第一步就是要确定研究变量也就是因变量的数据类型。通常会分类两大类：一类是连续数值型变量，也叫做连续变量，例如身高、年龄等；另一类为分类变量，例如性别、血型、学历等。本期我们就来讲解连续变量在SPSS中如何进行差异分析。
对于连续变量的差异性分析，首先，我们要检验连续变量是否符合正态分布。对于符合正态性分布的变量，要采用参数类的统计分析方法；对于不符合正态性分布的，要采用非参数检验方法。
而参数类分析方法中，又分为平均值、单样本t检验、独立样本t检验、成对样本t检验、单因素ANOVA分析等等。我们在接下来的课程中都会逐一进行讲解。本期我们来看平均值的计算方法。
我们搜集了31例患者的相关数据，要计算出不同性别的骨头高度的均值（图1）这里已经检验过骨头高度是服从正态性分布的，关于如何检验正态性分布，在之前的课程中有详细的讲解，如果有还没学到的朋友，可以去查阅我们之前的课程。
图1
这里值得注意的是，在之前的课程中，我们曾讲到过在“分析”--“描述性分析”（图2）中同样可以计算均值，与下面要讲解的参数类分析中的比较平均值有何不同呢？他们的区别在于：前者只能分析整个变量的均值，而后者（图3）可以按不同分组分类来计算每一个分组或分类的均值。
图2
图3
下面就来具体讲解如何分析不同性别的患者的骨头高度的均值：
SPSS中的操作步骤
①点击“分析”--“比较平均值”--“平均值”（图4）
图4
②将“骨头高度”选入因变量列表，将“性别”选入自变量列表，也叫分组变量列表（图5）
图5
③点击右侧“选项”，勾选“最小值”、“最大值”、两个指标，并勾选下方的“Anova表”，线性相关度检验（图6）后，点击继续--确定。
图6
④结果分析
图7
由上表（图7）可以看出：男性的骨头高度均值为49.2813，女性的为45.5257，可以看出男性略微高出女性，但差异是否有统计学意义，还需要进一步看下面的结果：
图8
由上表（图8）可以看出：ANOVA表中显著性水平为0.141>0.05说明男性和女性的骨头高度的差异不具有统计学意义。且Eta系数为0.27，Eta方0.073均为很小，进一步说明性别与骨头高度相关性不显著。
以上就是本期全部内容哦，我们将持续推出更多实用的生物医药统计课程，涵盖SPSS、Meta、Stata、GraphPad、SAS、R、NoteExpress、EndNote、Revman等数据统计分析软件及统计学方法！敬请关注哦！
以上就是本期全部内容哦，我们将持续推出更多实用的生物医药统计课程，涵盖SPSS、Meta、Stata、GraphPad、SAS、R、NoteExpress、EndNote、Revman等数据统计分析软件及统计学方法！敬请关注哦！
杏花开生物医药统计 客服QQ3305200052
版权说明：本文系杏花开生物医药统计原创文章。
【杏花开生物医药统计】相关文章：
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
