大家好，我是Epione。最近有小伙伴经常在后台问，能不能出一个SPSS使用教程？我也想点点点出统计结果。
一开始我有点“诧异”，无论是咱们解螺旋自己的精品课，还是各大公众号的推文，亦或者在某度上一搜索，关于SPSS操作的“教程”似乎都已经“烂大街”了，为何仍然有这么多小伙伴在做统计分析时感到“两眼一抹黑”，甚至搜索的关键词都想不到了呢？
我深入调研了一下，觉得目前市场上存在的“统计学教程”可能普遍存在这么几个问题：1. 知识点零碎。有的小伙伴今天看了t检验介绍，明天又看了一篇方差分析的介绍，后天放假玩了一天“羊了个羊”。大后天导师给了一批数据，要处理的时候完全想不起来可以用什么方法。知识掌握的不够系统，即使在单个知识点上介绍得很清楚，也不能使其学会应用。2. 重原理，而轻解读。我一直都主张认为对于普通的医学科研人员来说，要把统计知识、统计方法当做“药方”一样来学习，我们要知道每一种药物的“适应症”，也要知道它的“禁忌症”和“配伍”。做到看到一种数据就能形成“条件反射”。至于这个方法背后的数学原理、公式，就只能留给那金字塔尖1%的牛人去琢磨了。因此，有些教程上来就介绍了很多统计方法的数学背景，我相信很多医学生看的已经云里雾里了，又如何能够坚持学习下去呢？此外，一个新方法的学习最好的就是理解他的用处。一些教程在举例的时候要么不是临床医学的例子，要么对结果的解读不够深入，使学员即使点出了自己的分析结果，也不知道如何下结论。3. 缺乏实操。今天看了一个教程，似乎看懂了，过了几天又抛之脑后。而缺乏实操的客观原因就是没有数据！没数据→没法练习→没法掌握统计方法，这似乎陷入了一种无法克服的“恶性循环”。4. 缺少解决问题思维的培养。很多学员在本科《医学统计学》考试能考98分，但是在面对数据的时候依然抓瞎。这是因为考试是有“重点”可以去背的。但是拿到数据以后，你要做的不是背诵什么概念、知识点、重点，而是真真切切要解决问题。在解决问题的过程中，你会发现：做完两组总体均值差异的t检验后，你会立马想到再做一个线性回归调整混杂因素。虽然在教科书中t检验和线性回归被安排在相差很远的章节，但是它却能够相辅相成回答一个临床问题——该连续性指标在组间到底有没有差异！发现这些问题后，Epione老师“痛心疾首”。因为解决上面所述的问题并不简单。我想最有效的途径，就是跟着我参加学习10月28日开始的“通关临床预后型研究”。这个课程虽然名字中关注预后型研究，但实际上基础统计学知识都会涉及。同时，这个培训班会手把手带领大家下载SEER数据库，让大家带着数据，从解决问题的目的入手，实现基础统计学知识的串讲，从而带领大家实现SCI 3-5分文章的复现！重点解决上面提到的4大问题！
当然，如果你抽不出连续的21天时间来参加讲席营，我们也希望你能通过在我们“君莲数据库”公众号的跟踪学习，系统掌握基础统计知识！所以从这一期开始，我们将陆续推出基于SPSS的常见统计方法操作指导。这样虽然不能和Epione老师面对面语音交流，但是这个系列的推文，希望可以成为你的“枕边书”，在需要的时候随时拿起来翻看！言归正传！今天想给大家介绍的第一个统计方法是“单样本t检验”。它虽然不比“独立样本t检验”那样家喻户晓，但是却可以解决许多临床大问题，不信你来看。如果我们要研究某降压药物服用前后是否可以使血压下降，抽取了10名高血压患者，分别在服药前后测量血压。服药前后血压变化值分别为：-10，-1，0，8，5，-2，4，3，7，-9，那么这个药是否有降压作用呢？
回答这个问题之前，我们不妨想一下，如果这个药物没有降压作用，那么理论上这群人前后血压变化应该是多少？所以上面这个临床问题，可以转换为数学问题，就是：这些数值（前后血压变化）的总体均值是不是0？1. 研究目的是检验某一组数据是否来自于某个已知均值的总体（上面这个例子中，如果该药没有效果，那么差值应该等于0。这个0就是总体！）；2. 待检验的变量Y是连续变量。当然此时我们可以先假设它服从正态或近似正态分布，并且样本个体值之间是相互独立的（每个患者自己的血压变化情况是和别人无关的）。在SPSS变量视图窗口新建一个变量血压变化值（图1），在数据视图窗口将10名高血压患者的血压变化值数据填入血压变化值变量下单元格，如图2所示。
1、我们知道如果该药物总体上是无效的话，那么前后的血压变化值就应该是0。因此，该问题意在分析样本均值与已知的总体均值（0）之间是否存在统计学差异，即这10名高血压患者服药前后的血压变化值的平均值是否为0，从而检验该降压药物是否有效，应该使用单样本t检验。2、血压值为连续型变量，假设高血压患者服药前后的血压变化值服从正态分布（当然也可以通过正态性检验来看，这个我们后面单独介绍），这10名高血压患者服药前后的血压变化值是相互独立的个体值，符合单样本t检验的条件。主界面点击分析—比较均值—单样本T检验，即出现单样本T检验对话框，在对话框中将左侧方框中的变量血压变化值选入右侧检验变量，并在下方检验值中填写总体均值，在本案例中即为0，然后点击确定，如图3、图4所示。
图3
图4
在进行单样本t检验之前，spss统计软件还会给出样本数据的基本统计量，如图5所示，我们可以得知，这10名高血压患者服药前后的血压变化值的平均值为0.50，标准差为6.205。
图5
单样本t检验的结果如图6所示，对比的总体均值（检验值）为0，t统计量为0.255，P值（Sig）为0.805＞0.05，按照α=0.05的检验水准认为样本均值和总体均值之间的差异无统计学意义，即这10名高血压患者服药前后的血压变化值与总体均值0之间的差异无统计学意义，认为该降压药物无降压效果。此外，我们从图中还可以得出，样本均值和总体均值的差值为0.5，该差值的95%置信区间为-3.94到4.94，置信区间包含0。两样本均值差等于0时，说明两样本均值相等。因此该置信区间说明该样本与总体的均值差无统计学意义。
图6
1. 样本数据必须来自于正态或近似正态总体，因此在进行单样本t检验前应该先进行正态性检验。2. 上面举的例子是最为常见的单样本t检验使用场景，大家可以将其作为典型案例。在临床研究中，还有一种可能用到单样本t检验的场景：既往有一项权威研究认为，健康人的某心理量表得分平均值在60分（即常模）。某研究随机抽取了一群糖尿病病人，采用同样的量表进行调查。欲分析该糖尿病的人群该量表得分是否与健康人不同？此时也应该采用单样本t检验，并且总体均值设定为60。好啦，今天的课是不是还是很简单呢？快来动手实践操作一下吧！我们接下来还会继续介绍经典的组间比较假设推断方法（如独立样本t检验、方差分析、秩和检验、卡方检验……）、常见回归模型（一般线性回归、Logistic回归、Cox回归等）、预测模型、“高级”统计方法（如中介效应分析、工具变量等）等系列的教程。欢迎锁定关注我们的“SPSS操作系列推文”吧！当然，这个更新可能会有点慢，想在短时间内掌握以上这些，欢迎报名参加“通关临床预后型研究”训练营！
