SPSS 命令: SPSS BAYES RELATED

在浏览器中做贝叶斯配对样本 t 检验

贝叶斯配对样本检验权衡两次相关测量的平均差值为零与不为零的证据,并描述差值的可信大小。

免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日

能告诉你什么

Crosstabs 在你的设备上运行与 SPSS BAYES RELATED 对应的过程,可同时分析任意多组变量对,贝叶斯因子方法和九种后验先验与单样本过程相同。

  • 通过 BF10 与 BF01 判断前后(或左右、评分者 A 与 B)差值是真实存在、为零,还是证据不足。
  • 平均差值的后验分布,可据此给出真实变化的 95% 概率范围。
  • 两个变量各自的平均值、差值的平均值和标准差,以及并列显示的经典配对 t 检验。

适用场景

适合使用

  • 同一批受访者被测量两次,例如服务调整前后的满意度。
  • 匹配对或同一对象的两次评分,且每行同时包含两个值。
  • 小规模预试验中,希望在继续收集数据前判断证据是否已倾向于“没有变化”。

改用其他方法

  • 两组得分来自不同对象:使用贝叶斯独立样本。
  • 三次及以上重复测量:使用贝叶斯重复测量方差分析。
  • 有序评分或差值存在严重离群值:考虑使用 Wilcoxon 符号秩检验。

在 Crosstabs 中如何操作

  1. 01

    打开数据

    打开每人一行、两次测量各占一列的文件,然后切换到“统计”模式。

  2. 02

    建立配对

    在“贝叶斯统计”组中选择“贝叶斯配对样本”。选择“第一个变量”和“第二个变量”后点击“添加配对”;可重复添加更多配对。差值为第一个 − 第二个。

  3. 03

    设置贝叶斯因子

    在“贝叶斯因子”中保留“方法”=“JZS(Rouder),柯西尺度 1”,或选择“固定 g,未知方差”或“已知方差”并填写 g。

  4. 04

    选择后验先验与区间

    在“后验的先验”中保留“扩散”,或选择 Jeffreys、共轭或已知方差先验,并设置“可信区间(%)”。

  5. 05

    运行

    若工作区启用了权重,先声明为频率权重或选择不加权运行,再点击“运行贝叶斯配对样本推断”。每个配对使用两个值均有效的行。

计算示例

以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出,并非手工填写。

用示例数据试一试

数据

18 名模拟参与者各测量两次:短期培训前后的打字速度(每分钟字数)。每人的两次得分共享一个由随机种子生成的能力水平,因此与真实配对数据一样相互关联。

贝叶斯因子相关样本 t 检验
配对N平均值(第一个)平均值(第二个)均值差标准差BF01BF10tdf显著性(双尾)
after - before1842.2740.172.113.980.6681.4962.24517.038

差值 = after − before;JZS 先验,柯西尺度 1。

相关样本平均值的后验分布特征
配对后验众数后验平均值后验方差95% 可信区间下限95% 可信区间上限
after - before2.1062.1061.1500−0.0224.233

扩散先验;等尾可信区间。

结果解读

打字速度从每分钟 40.2 字变为 42.3 字,平均变化 2.11(t(17) = 2.25,p = .038)。贝叶斯因子显示支持备择假设的证据为轶事性(BF10 = 1.496)。后验分布有 95% 的概率认为真实变化介于每分钟 −0.02 与 4.23 字之间。此例中 p 值低于 .05,但贝叶斯因子仍然较弱、区间仍触及 0——这是显著的 p 值高估证据强度的常见情形。

输出表格说明

贝叶斯因子相关样本 t 检验
每个配对:N、第一个与第二个变量的平均值、均值差、差值的标准差与标准误、BF01、BF10、t、df 及双尾显著性。
相关样本平均值的后验分布特征
平均差值的后验众数、后验平均值、后验方差及可信区间;图形显示每个配对的先验与后验。

前提假设与注意事项

  • 各配对之间相互独立,差值近似正态分布。
  • 两次测量使用同一量尺,因此差值有意义。
  • 任一变量缺失的行只在该配对中被排除。

结果如何验证

与 R 包 BayesFactor 0.9.12.4.8 的 ttestBF(paired = TRUE, rscale = 1) 对照,相对误差在 1e-8 以内,与 pingouin 的配对贝叶斯因子在 1e-7 以内;t 统计量与 Python 参考值在 1e-12 以内一致,扩散先验下的可信区间端点在 1e-9 以内一致。 验证证据(英文)

常见问题

这是否只是对差值做单样本检验?

是的。与 SPSS 一样,每个配对先转换为第一个 − 第二个,再用单样本方法与 0 比较,因此贝叶斯因子方法和先验与单样本过程相同。

为什么柯西尺度是 1 而不是 0.707?

JZS 选项对标准化效应采用柯西(0, 1) 先验,这是 SPSS 的定义。JASP 和 BayesFactor 默认使用 √2/2,对中等效应会给出略大的 BF10,因此与这些工具的结果可能不同。

p 值低于 .05,但 BF10 只有约 1.5,哪个对?

两者都计算正确,只是回答的问题不同。BF10 约为 1.5 说明数据几乎无法区分两个假设,需要更多数据才能令人信服。

能同时检验多个配对吗?

可以。按需添加任意多个配对,每个配对在两张表中各占一行,并有各自的图形。

用你自己的数据运行贝叶斯配对样本

打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成,文件不会离开你的设备。

打开分析工作区

SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联,也未获得 IBM 认可。