单样本 T 检验是一种常用的统计方法，用于检验一个样本的均值与一个已知的总体均值之间是否存在显著差异。根据检验的原假设的符号，可以分为两类，一类是双侧检验（最常见），H0：μ=μ0；一类是单侧检验，H0：μ<=μ0或μ>=μ0。【通常把等号放在原假设中】
由上面可以发现单侧检验有两个方向：
左侧检验：H0：μ>=μ0；H1：μ<μ0
右侧检验：H0：μ<=μ0，H1：μ>μ0
无论是单侧还是双侧，构建的检验统计量T统计量都是一样的：
T统计量服从自由度为n-1的t分布，根据计算出来的T值或检验的P值，进行决策。SPSS软件会直接输出P值，P值小于选定的显著性水平，则拒绝原假设。
现在，我们来看看在SPSS中单侧单样本T检验如何操作：
我们先模拟个案例场景，搞两组数据出来：
某工厂生产一种小型电子零件，对生产线上不同批次生产出来的零件进行尺寸检测（单位：毫米），工厂规定该零件理想的标准尺寸均值应该小于 20 毫米才符合高品质的要求，质量管控部门抽取了两个批次的部分零件进行测量，通过单样本 T 检验来判断各批次零件尺寸的均值是否都小于 20 毫米，进而评估各批次的生产质量情况。
收集到的数据如下，我们这里用的是一维数据表存放数据：
接下来，我们执行单侧单样本T检验，先设置原假设。在单侧检验中，设置原假设也是有讲究的，通常原假设通常代表一种默认、保守的立场或现状，是在没有足够证据时倾向于接受的假设。而备择假设则是研究者希望去搜集证据来支持的假设。
由于要分别检测两批零件的尺寸是否符合要求，因此我们需要检测两个原假设。
第一个 H0：第一批零件的尺寸的均值大于等于20，即μ>=20，备择假设为μ<20
第二个H0：第二批零件的尺寸的均值大于等于20，即μ>=20，备择假设为μ<20
OK，开整。咱分批进行，首先检测第一批，先把第一批的数据筛选出来。
可以看到，直接出来的是双侧检验的结果，也就是原假设为μ=20的结果。如果是双侧检验，很容易我们可以得出结论，由于检验的P值=0.000【看Sig.(双尾)】小于显著性水平0.05，拒绝原假设，认为第一批批零件的平均尺寸显著不等于20。
但是，问题来了，咱想看的是左侧检验的结果呀，不是双侧的，那咋整呢？可以由双侧的结果通过P值减半比较法推导：（听说最新版本的SPSS可以直接执行单侧检验了，还没去试过，大家可以去试试，在评论区分享分享~）
左侧检验：当双侧检验的T值为负数时，将双侧检验的P值减半，若减半后的P/2<=α，则拒绝左侧检验的原假设。
右侧检验：当双侧检验的T值为正数时，将双侧检验的P值减半，若减半后的P/2<=α，则拒绝右侧检验的原假设。
所以，我们这里可以先看看T值，发现t=-10.848是负数，然后再看看P/2，明显小于0.05，因此我们可以拒绝原假设，也即认为第一批零件的平均尺寸小于20。
第二批同样可以这样操作。
《SPSS数据分析从入门到进阶零基础速成课——基于问卷数据》零差评课程等你一起来学习！
基础认知→基本统计分析→数据可视化→数据可视化→高级数据分析→综合实战应用，每个具体方法都包含统计学原理的深入浅出讲解，基于案例的SPSS实操，以及输出结果解读、如何撰写论文上的数据分析结论，提供配套数据自己实操练习，帮助你从小白轻松进阶为数据分析小天才！
你将获得：
系统化的统计学基础+SPSS操作课程学习
配套数据
课程课件
论文数据分析部分撰写样例
快来一起学习吧！
