案例数据
300 行 × 3 列体检指标（BMI / 收缩压 / 心率），与公认健康标准值（22.0 / 120 / 75）做单样本 t 检验，含偏高显著、无差异、偏低显著三种结论对照。
| 文件名 | one-sample_t_test.xlsx |
|---|---|
| 样本量 | 300 行 |
| 变量数 | 3 列（全部为定量体检指标） |
| 数据用途 | 社区体检：与公认健康标准均值比较 |
| 变量说明 | BMI（kg/m²）、收缩压（mmHg）、心率（次/分）；参考值分别为 22.0 / 120 / 75。 |
完整案例
1. 背景
某社区卫生中心采集了 300 位成年居民的 BMI、收缩压、心率三项体检指标，希望回答："该社区的样本均值是否与公认健康标准值（BMI=22.0 / 收缩压=120 mmHg / 心率=75 次/分）存在显著差异？" 这是单样本 t 检验的典型场景：单个样本 + 单个固定基准值，比较样本均值是否偏离基准。
2. 理论与公式
单样本 t 检验比较样本均值与固定检验值之间的差异，检验值应来自理论标准或业务基准。
样本均值与检验值的差异。
检验均值差是否显著不同于 0。
用于判断均值差的可能范围。
3. 数据结构
每行 1 位居民，3 列均为定量体检指标，对应不同的健康参考标准值：
| 变量名 | 单位 | 健康参考值 (μ₀) | 说明 |
|---|---|---|---|
| BMI | kg/m² | 22.0 | 亚洲人理想 BMI 中点 |
| 收缩压 | mmHg | 120 | 正常成人收缩压参考值 |
| 心率 | 次/分 | 75 | 成人静息心率参考 |
4. 操作步骤
- 登录 SPSSzero，进入 工作台 → 上传
one-sample_t_test.xlsx - 左侧方法栏 → 通用方法 → 点击 单样本t检验
- 把 BMI / 收缩压 / 心率 拖入 分析项 Y 框（一次只能对一个变量做检验，请逐一切换）
- 在参数面板填写 检验值 μ₀：BMI=22.0 / 收缩压=120 / 心率=75
- 点击 开始分析
每次检验只针对一个变量 + 一个检验值。三个变量需分别跑三次。
5. 结果表格与结果阅读
结果区按"主结果 + 效应量"两张表输出。下面是合并 3 次检验的紧凑展示：
| 分析项 | 样本 M±SD | μ₀ | 均值差 Δ | t | df | p | 95% CI(Δ) |
|---|---|---|---|---|---|---|---|
| BMI | 23.99±3.12 | 22.0 | +1.99 | 11.057 | 299 | 0.000*** | 1.64 ~ 2.35 |
| 收缩压 | 120.72±13.50 | 120 | +0.72 | 0.924 | 299 | 0.356 | -0.81 ~ 2.25 |
| 心率 | 70.75±8.91 | 75 | -4.25 | -8.258 | 299 | 0.000*** | -5.26 ~ -3.24 |
| * p<0.05 ** p<0.01 *** p<0.001；CI 不包含 0 即显著 | |||||||
读法："均值差 Δ" 正值=样本均值高于参考，负值=低于参考。"95% CI" 包含 0 → 非显著；不含 0 → 显著。
| 分析项 | Cohen's d | 方向 | 效应大小 |
|---|---|---|---|
| BMI | 0.638 | 偏高 | 中等 |
| 收缩压 | 0.053 | — | 极弱（无差异） |
| 心率 | -0.477 | 偏低 | 接近中等 |
| Cohen's d：小=0.20，中=0.50，大=0.80（取绝对值） | |||
效应量 d=Δ/SD，可直观判断"偏离健康标准的程度"。
7. 文字分析
从主结果 + 效应量两表综合可得：
- BMI：样本均值 23.99 显著高于健康参考值 22.0，Δ=+1.99，t(299)=11.06, p<0.001, d=0.638（中等效应）—— 社区居民 BMI 整体偏高约 2 个单位，需关注体重管理；
- 收缩压：样本均值 120.72 与参考值 120 差距仅 0.72，t(299)=0.92, p=0.356, d=0.053（极弱）—— 无显著差异，整体血压控制良好；
- 心率：样本均值 70.75 显著低于参考值 75，Δ=-4.25，t(299)=-8.26, p<0.001, d=-0.477（接近中等）—— 社区居民静息心率略低于参考标准（多为良好生活习惯指标）。
结论：本社区居民 BMI 显著偏高（需干预） + 血压正常 + 心率显著偏低（健康表现），三个指标提供差异性 + 健康程度的混合信号。
8. 剖析提醒
检验值必须来自理论或业务标准，不能为了得到显著结果事后随意调整。
方法定位
单样本 t 检验用于判断一个样本的均值是否与某个已知或理论值存在显著差异。例如检验满意度均值是否显著高于 3 分，产品重量均值是否等于标称值，考试成绩均值是否不同于及格线。
它只涉及一个样本和一个检验值，不涉及组间比较。
数据与变量准备
需要一个或多个定量变量，以及一个预先设定的检验值。检验值应来自研究设计、行业标准、量表中点或理论假设，不宜事后为了显著性随意选择。
| 内容 | 示例 |
|---|---|
| 检验变量 | 满意度、成绩、重量 |
| 检验值 | 3 分、60 分、100 克 |
| 前置检查 | 正态性、异常值 |
SPSSzero 操作建议
选择单样本 t 检验，将定量变量放入分析项，并在参数中填写检验值。若量表为 1 到 5 分，常用中点 3 作为检验值；若有行业标准，则按标准值填写。
多个变量可一次放入，系统会分别检验每个变量相对检验值的差异。
结果解读
| 指标 | 含义 |
|---|---|
| 样本均值 | 当前样本的平均水平 |
| 检验值 | 作为比较基准的固定值 |
| 均值差 | 样本均值减去检验值 |
| t 值和 p 值 | 判断差异是否显著 |
| 置信区间 | 判断均值差的可能范围 |
若均值差为正且 p 值显著，说明样本均值显著高于检验值；若均值差为负且 p 值显著，说明样本均值显著低于检验值。
写作模板
可写为：“以 xx 作为检验值，对变量 yy 进行单样本 t 检验。结果显示，样本均值为 xx，均值差为 xx，t 值为 xx，p 值为 xx，说明 yy 的均值显著高于、低于或未显著不同于检验值。”
常见问题
检验值可以随便填吗
不可以。检验值应来自研究假设或实际标准。常见来源包括量表中点、合格线、行业标准和理论基准。
单样本 t 检验能比较两组吗
不能。两组独立样本比较应使用 t 检验，同一样本前后比较应使用配对 t 检验。
不显著怎么解释
不显著表示没有足够证据认为样本均值与检验值不同，不等于两者完全相等。
与相近方法区分
| 目标 | 推荐方法 |
|---|---|
| 一个样本均值与固定值比较 | 单样本 t 检验 |
| 两个独立组均值比较 | t 检验 |
| 同一对象两次测量比较 | 配对 t 检验 |
| 多组均值比较 | 方差分析 |