假设有这样一则报道，某高校学生平均每天学习时间2.5小时。调查该高校16个学生的学习时间，能否验证报道的正确性。学过一点数学的人大概率会说，样本量不足，偶然性很大不能够验证。但统计学家已经解决了这个问题，通过16个学生学习时间可以验证该高校学生学习时间是否是2.5小时，这就是著名T检验。T检验主要是通过两组样本的差异性，来判断数据的真伪。

T检验，又称Student T检验（Student’s test），主要是用于样本含量较小，总体标准差未知的正态分布（中间值数量多，较大值和较小值数量都少的数学分布）。T检验是用T分布理论来推理出差异发生的概率，从而比较两个平均数的差异是否显著。在统计学中要通过复杂冗长的数学公式来进行T检验，但在IBM SPSS Statistics中能够通过简单操作进行T检验。本文将带着大家用IBM SPSS Statistics进行T检验实操。

1、数据展示

既然上文举了学习时间的例子，那我们就用学生学习时间来进行T检验。如图1所示有16个学生的学习时间。

图1：数据展示

2、菜单位置

依次点击菜单栏中的‘分析’按钮和下级菜单中的‘比较平均值按钮’会出现三个不同类别的T检验。这三个T检验各有各的用处，单样本T检验适用于本文中的案例，即已知平均值要想探究样本与平均值的差异。独立样本T检验，适用于两组不同数据样本，最常见的是男生女生两组数据我们分析他们的差异性。成对样本T检验，也是适用于两组不同的数据样本，不过这两组数据样本是要有关联的，通常是实验前的一组数据样本和实验后的一组数据样本。

图2：菜单栏位置

3、选中检验变量

本文中的案例只有学习时间这一个案例，第一步选中每天学习时间，第二步将该变量加入到检验变量栏中，第三步编辑检验值。

图3：选择检验变量

4、读取最终结果

图4中的报告是数学均值还有标准差，很多软件都可以得出，我们来重点讲解一下图5

图4：单样本统计

第一栏中的t与检验的差异性有关，t的绝对值越大表示样本与校验值的差异越大，第二栏中的自由度则表示样本总数减一（样本总数是16），第三栏中的显著性的取值范围能反映真实学习时间与检验值之间的关系，当显著性大于0.05时候说明真实学习时间大于2.5小时，当显著性小于-0.05时说明学习时间小于2.5小时。置信区间默认95%，平均值差值是与填写的校验值之差。

图5：单样本检验报告

除了单样本T检验，还有独立样本T检验和成对样本T检验。后两者和单样本T检验的流程都差不多，原理也在本文中也有阐述，如果遇到相应的情况模仿本文的操作即可。