IBM SPSS Statistics的比较平均值分析法属于参数型的检验法，是以已知总体分布的前提下，检验样本数据与总体数据的差异，其中包含了平均值、单样本T检验、独立样本T检验、配对样本T检验以及单因素ANOVA检验的分析方法。
 
其中，单样本T检验、独立样本T检验、配对样本T检验都是运用T分布理论来分析差异发生的概率，从而比较两个平均数的差异是否显著的分析方法。那么，这三种T检验的分析方法有什么不同呢？
 
 
图1：SPSS比较平均值
 
一、检验的目的不同
 
单样本T检验、独立样本T检验、配对样本T检验这三种比较平均值的T检验方法，其关键的不同点是检验数据的目的不同。
 
相比于其他两种T检验方法，单样本T检验就显得比较简单了。其原理是运用样本数据的平均值与一个常数检验值相比较，以检验样本数据与检验值是否有差异，常用于检验样本数据是否符合标准值等研究目的，比如抽取样本身高值是否符合标准值、抽取的样本中含水量是否符合标准含水量等。
 
在图2所示的单样本T检验例子中，抽取了部分初中生的身高样本数据，以153为检验值，检验身高样本平均值与153的检验值是否有显著性差异，结果表明样本身高均值与检验值有显著性差异。
 
 
图2：单样本T检验结果
 
相对比于单样本T检验，独立样本T检验与配对样本T检验的研究目的就比较相似，但也有不同。两者研究的不同点在于，独立样本T检验研究的是两组个案的均值数据差异，而配对样本T检验研究的是两个配对变量的均值数据差异。
 
比如，如图3所示的饮用不同类型牛奶后的独立样本T检验例子，研究的是两个个案组分别饮用牛奶A、牛奶B后的身高均值差异，从其显著性数值可以看到，两组个案的身高均值无差异。
 
 
图3：独立样本T检验结果
 
而配对样本T检验则更加侧重于比较两个配对变量的均值是否有差异。比如，如图4所示，研究个案在饮用牛奶前与饮用牛奶后的身高数据，结果表明，饮用牛奶后的身高均值显著高于饮用牛奶前的身高均值。
 
 
图4：配对样本T检验结果
 
二、使用的数据类型不同
 
鉴于检验目的不同，这三种T检验方法使用的数据类型也不同。
 
如图5所示，单样本T检验使用的是单变量数据，同时还需要使用一个检验值作比较。
 
 
图5：单样本T检验的数据格式
 
而独立样本T检验使用的是两组个案的数据，同时，还需要通过数值型编码标识个案。
 
 
图6：独立样本T检验的数据格式
 
配对样本T检验使用的是两组变量的数据。一组配对样本T检验中可包含多组配对变量，但各组配对变量需一一对应地配对。
 
 
图7：配对样本T检验的数据格式
 
三、小结
 
综上所示，单样本T检验适合用于研究样本数据是否符合标准值的情况；独立样本T检验适合用于研究两组个案的均值是否有差异的情况；配对样本T检验适合用于检验两组变量均值是否有差异的情况。
 
大家可根据实际情况选取合适的检验方法，需要注意的是，以上三种T检验法均属于参数检验法，是在总体分布已知的情况下使用的。

http://blog.sina.com.cn/s/blog_5f529e3f01012rwv.html
在SPSS中独立样本T检验所检验的是独立样本，配对样本T检验检验的是相关样本。如何判断是独立样本还是相关样本呢?
    举例说明:
   (独立样本)“已知人们一般状况下的脉搏。考察焦虑状况下人的脉搏与一般状况下的有无差别”
  （相关样本）“考察家庭中夫妻之间收入的差异性”相关样本有一一对应关系
    我觉得一般情况下，比较两个（类）人之间的差异就是独立样本【除了丈夫妻子(以家庭为两者的联系对应）、同卵双生子研究（当成一个人)等特殊情况】一个人对两种不同事物的反应就是相关样本。
    前测后测的情况属于相关样本，因为会对同一个人测两次，前测和后测的结果都有一个人对应；实验组控制组的情况属于独立样本，因为是把人分成两类，每类人之接受一种实验处理，如一部分人A处理一部分人B处理，A处理和B处理中间找不到一个人连接起来，因为没有人接受了两种处理。
 
 
 
 
 
1. 假如人造纤维缩水后能够复原。那么，如果同一根人造纤维，在60度测试后再在80度中测试，使用配对检验。如果同一批人造纤维的样品，一半测试60度，一半测试80度，则使用独立检验。
2.假设该产品一个100件，如果两名人员对这100件都测量了一次，那么可以把数据对应起来做配对检验。如果每人各随机测量了其中的50件，那么做独立检验。
两种检验的区别在于，配对检验是基于对同一样本中相同个体的多次测量数据的检验；独立检验是对于不同样本的个体的测量数据。

总目录：SPSS学习整理
 


 
SPSS实现两配对样本非参数检验
 
目的
适用情景
数据处理
SPSS操作
SPSS输出结果分析
知识点

 
 
目的
 
检验两个配对样本之间是否具有相同分布。
 
适用情景
 
数据处理
 
 
SPSS操作
 
 
SPSS输出结果分析
 

 20组全为正秩，培训后成绩均大于培训前，显著性为0，即两组配对样本存在显著差异（成绩显著提高）
 
 符号检验结果相同。
 
知识点

总目录：SPSS学习整理
 


 
SPSS实现多个配对样本非参数检验
 
目的
适用情景
数据处理
数据1
数据2
数据3
  
SPSS操作
操作1
操作2
操作3
  
SPSS输出结果分析
结果1
结果2
结果3
  
知识点

 
 
目的
 
检验多个配对样本之间是否具有相同分布
 
适用情景
 
这次好像比较复杂，SPSS有三种检验方式
 

 第一种检验适用于重复测量同一样本的数据。
 第二种可以判断评分者评分标准是否一致，W系数（范围0~1）越接近1，评分标准越一致。
 第三种是第一种检验数据为二分变量的特例。
 
数据处理
 
数据1
 

 适用于第一种检验
 
数据2
 

 适用于第二种检验
 
数据3
 
 
适用第三种检验
 
SPSS操作
 
操作1
 
 
操作2
 
 
操作3
 
 
SPSS输出结果分析
 
结果1
 

 可以观察四组数据的平均值。
 
 显著性小于0.05，拒绝原假设，认为四组数据存在显著性差异。
 
结果2
 

 可以观察每个选手数据的情况
 
 W值为0.967，接近于1，说明裁判对选手打分标准的一致性很高（完全一致为1）
 P值为0，小于0.05，拒绝原假设，说明12个选手的得分存在显著差异。
 注意：W是针对的评分标准，即对于同一个选手，裁判打分的一致性；P值针对的是选手之间的得分差异。
 
结果3
 

 对四个节目满意观众的数量分别是：8，6，7，9
 显著性为0.290，说明观众对四个节目的满意度不存在显著性差异。
 
知识点
 
.