使用 SPSS 和 PASW/單樣本均值檢驗

一個單樣本均值檢驗是一種統計檢驗，可以確定總體估計值（即樣本統計量）是否與已知值顯著不同。

一個假設的例子可能有助於說明這一點。假設對成年人口的全國調查詢問人們在 10 分制的宗教程度，從 1 代表“一點也不宗教”到 10 代表“非常宗教”。假設美國人在這個量表上的平均分是 6.01。對於我們的遺傳諮詢師樣本，我們可以詢問遺傳諮詢師的宗教程度是否與一般人口相似。為此，我們使用單樣本均值檢驗，它考慮了抽樣誤差。對於比例（即名義/序數變數）也有類似的檢驗，但 SPSS 無法進行這些檢驗。以下是 SPSS 中如何進行單樣本均值檢驗的說明。

首先，轉到“分析”->“比較均值”->“單樣本 T 檢驗”。

將開啟“單樣本 T 檢驗”視窗。

選擇要與目標值比較的變數，然後將其移到“檢驗變數”框中。

接下來的部分絕對至關重要，第一次執行時很容易忽略。在“檢驗變數”框下方的“檢驗值”框中，你需要輸入目標值。在本例中，我們將輸入 6.01。

（注意：初學者經常會將“檢驗值”框留空。並且，由於某種原因，SPSS 會在框中預設設定一個零值，這意味著如果你沒有在框中輸入你的目標值，則測試將執行，因為 SPSS 會假設你的目標值為零。只要確保在“檢驗值”框中輸入了正確目標值。）

結果將開啟在“輸出”視窗中。

有兩個表。第一個只是描述了分析中包含的樣本和變數。N、均值、標準差和均值的標準誤差都包括在內。對於這個例子來說，遺傳諮詢師的平均宗教程度得分為 4.65，低於我們假設的美國人口的一般宗教程度。但是，問題是這是否是由於隨機誤差還是遺傳諮詢師的實際影響。

第二個表格告訴我們兩個均值之間的差異是否可能是由於偶然性造成的。第一列是 t 統計量。使用 t 表，可以利用此值來確定兩個均值是否顯著不同。SPSS 為你執行計算。下一列“df”提供你的自由度，對於單樣本均值檢驗，它是 n-1。第三列 Sig.（雙尾）為該特定檢驗提供 p 值，即在隨機誤差下（假設它們實際上相同）找到遺傳諮詢師均值與美國一般成年人口均值之間差異的機率（同樣，這是假設的）。在本例中，p 值為 .000，小於統計學中使用的標準 p 值 .05，表明如果總體均值相同，我們只因隨機誤差而找到此差異的可能性小於 1/1000。在這種情況下，我們將拒絕關於沒有差異的零假設，並接受關於遺傳諮詢師和一般人口在平均宗教程度方面存在差異的備擇假設。