1.独立样本T检验统计学原理

独立样本t检验（Independent Samples t-test）是一种参数检验方法，适用于​​比较两组独立观测数据均值差异的统计学显著性​​。其核心功能在于评估两组无关联样本（如实验组与对照组、不同性别群体）是否来源于具有相同总体均值的分布，常见于实验设计、心理学测量或市场研究等领域（示例：不同性别群体在认知测试中的表现差异；两种教学方法对学生学业成绩的影响效应对比）。

2.独立样本T检验​统计假设与前提条件​​

假设体系​​

• ​​零假设（H₀）​​：两组总体均值无显著差异（μ₁ = μ₂）。

• ​​备择假设（H₁）​​：两组总体均值存在显著差异（μ₁ ≠ μ₂，双尾检验）。

​​前提假设​​

• ​​独立性​​：两组样本的观测值需相互独立，无配对或重复测量关系。

• ​​正态性​​：两组数据应近似服从正态分布（可通过Shapiro-Wilk检验或Q-Q图验证；大样本时因中心极限定理可放宽）。

• ​​方差齐性​​：两组总体方差相等（需通过Levene检验判定，若方差不齐需启用Welch校正）。

3.SPSS操作与结果解读

检验步骤​​

• 导入数据后，依次选择：分析 > 比较均值 > 独立样本t检验。

• 将连续型因变量放入“检验变量”框，分组变量放入“分组变量”框并定义组别（如1 vs. 2）。

​​输出解析​​

• ​​Levene方差齐性检验​​：

  • 若p > 0.05，接受方差齐性假设，读取“假定等方差”行的t检验结果（第一行的）。

  • 若p ≤ 0.05，拒绝方差齐性假设，需采用“不假定等方差”行的​​Welch校正t值​​。

• ​​t检验统计量​​：

  • t值为均值差异与标准误的比值，绝对值越大表明差异越显著。

  • ​​自由度（df）​​：常规t检验为n₁ + n₂ − 2；Welch校正则按公式调整。

• ​​T检验结果的显著性（p值）​​：

  • 若p < α（通常设α=0.05），拒绝H₀，支持两组均值存在统计学差异。

  • 报告时需附均值（M）、标准差（SD）、自由度及p值

  • Levene's Test的自由度通常是（k-1, N-k），其中k是组数，N为样本量，对于两组比较，自由度应该是（1, N-2）

4.结果书写示例

As expected, participants indicated Louis Vuitton (M =6.21,SD =1.01)as being significantly more luxurious than GAP (M =3.24,SD =1.49;F (1, 265) = 356.67, p <.001)。

Reference

Xu （2022）Technology devalues luxury? Exploring consumer responses to AI-designed luxury products