SPSS前后测数据配对分析时，如何正确设置变量和选择检验方法？

Question

在SPSS中进行前后测数据配对分析时，如何正确设置变量和选择检验方法是一个常见技术问题。首先，确保数据结构正确：每个受试者的一组前后测数据应位于同一行，前测数据设为变量1（如“Pre_Test”），后测数据设为变量2（如“Post_Test”）。接着，根据数据特性和研究目标选择检验方法。若数据呈正态分布，使用配对样本t检验；若非正态分布，则选择非参数检验方法，如Wilcoxon符号秩检验。此外，需检查数据是否满足假设条件，例如正态性检验（通过Shapiro-Wilk检验）和离群值检测。正确设置变量和选择合适检验方法是保证分析结果可靠性的关键。忽略这些步骤可能导致错误结论或无效分析。

Answer 1

1. 理解前后测数据配对分析的基本概念

在数据分析中，前后测数据配对分析是一种常见的方法，用于评估干预措施的效果。例如，在一项教育实验中，我们可以通过比较学生在课程前后的测试分数来判断课程的有效性。

• 变量设置：确保每个受试者的一组前后测数据位于同一行，前测数据设为变量1（如“Pre_Test”），后测数据设为变量2（如“Post_Test”）。
• 目标：通过分析前后测数据的差异，确定干预是否显著影响结果。

1.1 数据结构示例

ID	Pre_Test	Post_Test
1	70	85
2	65	78
3	80	90
4	75	88
5	60	70

上述表格展示了五个受试者的前后测数据，每一行代表一个受试者的完整记录。

2. 数据特性和检验方法的选择

选择合适的统计检验方法是保证分析结果可靠性的关键步骤。以下是两种主要的检验方法及其适用条件：

1. 配对样本t检验：适用于数据呈正态分布的情况。此方法假设前后测数据之间的差值服从正态分布。
2. Wilcoxon符号秩检验：适用于非正态分布的数据。这是一种非参数检验方法，不依赖于数据的分布特性。

2.1 正态性检验

在SPSS中，可以使用Shapiro-Wilk检验来检查数据是否满足正态分布假设。具体步骤如下：

ANALYZE -> DESCRIPTIVE STATISTICS -> EXPLORE
将"Pre_Test"和"Post_Test"选入DEPENDENT LIST
勾选Plots选项中的Normality plots with tests

如果Shapiro-Wilk检验的p值小于0.05，则认为数据不服从正态分布，需考虑非参数检验方法。

3. 检查离群值并进行数据清理

离群值可能对分析结果产生重大影响，因此需要在分析前识别并处理这些异常值。

3.1 离群值检测流程图

graph TD;
    A[开始] --> B[绘制箱线图];
    B --> C{是否存在离群值?};
    C --是--> D[记录离群值ID];
    C --否--> E[结束];

通过箱线图（Boxplot）可以直观地识别离群值。在SPSS中生成箱线图的方法如下：

GRAPHS -> CHART BUILDER
选择Boxplot模板
将"Pre_Test"和"Post_Test"拖入Y轴

4. 结果解释与进一步建议

正确设置变量和选择合适检验方法是确保分析结果有效性的基础。此外，还需要注意以下几点：

• 确保样本量足够大以提高统计检验的效能。
• 报告效应量（Effect Size），如Cohen's d或r，以补充p值的结果。
• 对于复杂的实验设计，可以考虑更高级的统计方法，如重复测量方差分析（Repeated Measures ANOVA）。

忽略这些步骤可能导致错误结论或无效分析，因此在实际操作中应严格遵循上述流程。