均数估计与t检验：SAS、R、Stata、SPSS实战指南

下午刚把第三章的作业看完，十个里面至少有五个问我同一个问题：均数估计和假设检验的公式明明会手算，为什么换成SAS、R、Stata、SPSS就不知道点哪里、写什么命令。这个感觉我太懂了。学校课程往往只带一遍某一款软件，真到了自己手里，SAS输出一堆英文、R报错、Stata命令记混、SPSS菜单藏得深，最后连结果对不对都不敢确认。

这一章的核心其实不复杂：先估计总体均数，再检验假设；真正让人头大的，是把同样的例题在四款软件里都跑一遍。这篇文章我直接用一组常见例题，把均数估计、单样本t检验、两独立样本t检验的手算结果算出来，再分别给你SAS、R、Stata、SPSS的完整实现和输出解读。代码和菜单路径都已验证过，你照着做就能出结果。

1. 均数估计与假设检验：先把逻辑想明白

1.1 从点估计到置信区间

均数估计要回答的问题是：总体均值到底是多少？样本均值是最自然的估计，也就是点估计。问题是样本均值存在抽样误差，换一拨样本数值就变，光报一个点不够，所以要有区间估计。

经典的置信区间公式是：

[ \bar{x} \pm t_{1-\alpha/2,\ n-1} \times \frac{s}{\sqrt{n}} ]

其中 (\bar{x}) 是样本均值，(s) 是样本标准差，(n) 是样本量，(t) 是自由度为 (n-1) 的t分布临界值。

为什么这里用t分布而不是标准正态分布的z值？因为总体标准差通常未知，只能拿样本标准差 (s) 去代替。样本量越小，这个代替带来的不确定性越大，t分布尾部更厚，等于给结论多留一点余地。如果样本量到了三五十以上，t分布的临界值已经和z值非常接近，这时用哪种差别都不大。

关于置信区间有一个常见误解：95%置信区间不是“总体均值有95%的概率落在这个区间里”。正确理解是：如果按同样的方式反复抽样100次，大约有95个这样的区间能把总体均值罩住。软件给出的区间就是这一次抽样得到的那个区间。

1.2 假设检验：从原假设到P值

假设检验解决的问题是有没有证据。最典型的两组设定：

• 原假设 (H_0)：均数等于某个值，或者两组均数相等；
• 备择假设 (H_1)：均数不等于某个值，或者两组均数不等。

检验统计量就是信号和噪声的比值：

[ t = \frac{\text{样本估计值} - \text{原假设中的值}}{\text{标准误}} ]

这个比值是“相对差异”，不是绝对差异。P值的意思是：如果原假设成立，出现当前这种样本结果甚至更极端结果的概率。P值越小，说明样本数据越不像原假设所描述的世界，于是拒绝原假设。P值不是“原假设成立的概率”，这一点一定别搞混。

至于显著性水平 (\alpha)，一般取0.05，就是给自己定一个犯错的容忍度。软件里最重要的几个数字就是t统计量、自由度、P值和置信区间。

2. 一个例题，两组数据，手算结果先当标准答案

2.1 例题设计与数据结构

用一个医药领域最常见的场景：比较两种降压药对收缩压下降值的影响。A药组和B药组各10名受试者，每人记录治疗前后的收缩压下降值，单位mmHg。数据结构采用长格式，每一行是一个受试者。

编号	drug	decrease
1	1	12
2	1	15
3	1	8
4	1	10
5	1	14
6	1	9
7	1	13
8	1	11
9	1	16
10	1	10
11	2	8
12	2	10
13	2	6
14	2	9
15	2	7
16	2	5
17	2	11
18	2	8
19	2	7
20	2	9

这里drug=1代表A药，drug=2代表B药。decrease是下降值，数值越大说明药效越强。

2.2 手算一组标准答案

先算各组基本描述统计量：

组别	n	均值	标准差	标准误	95%置信区间
A药组	10	11.80	2.66	0.84	(9.90, 13.70)
B药组	10	8.00	1.83	0.58	(6.69, 9.31)

A药组单样本t检验，原假设为下降值均数等于0：

[ t = \frac{11.80 - 0}{2.66 / \sqrt{10}} = 14.04,\quad df=9,\quad P<0.001 ]

两独立样本t检验，比较A药和B药的下降值差异。两组样本方差分别是7.07和3.33，合并方差：

[ s_p^2 = \frac{9 \times 7.07 + 9 \times 3.33}{18} = 5.20 ]

合并标准误：

[ s_p = \sqrt{5.20 \times \left(\frac{1}{10}+\frac{1}{10}\right)} = 1.02 ]

[ t = \frac{11.80 - 8.00}{1.02} = 3.73,\quad df=18,\quad P<0.01 ]

两组均值差为3.80mmHg，95%置信区间大概在(1.66, 5.94)，区间不包含0，说明A药对收缩压的下降效果在统计上比B药更明显。

先把这个手算结果记下来，后面四款软件跑出来的数字如果和它对不上，说明操作有问题，不是软件坏了。

3. 用SAS实现均数置信区间与t检验

3.1 数据步：一次把数据集建好

SAS里先要用数据步读入数据。因为drug是分组变量，在INPUT语句里写清楚变量名即可。

data hypertension; input drug decrease; datalines; 1 12 1 15 1 8 1 10 1 14 1 9 1 13 1 11 1 16 1 10 2 8 2 10 2 6 2 9 2 7 2 5 2 11 2 8 2 7 2 9 ; run;

注意DATALINES后面直接放数据，数据块结束的RUN;要放在最后。这个格式是SAS最基础也最实用的读入方式，复制粘贴就能跑。

3.2 用PROC MEANS输出均值和置信区间

SAS中计算描述统计量用PROC MEANS，加上CLM选项就能直接输出均值的置信区间。

proc means data=hypertension n mean std stderr clm alpha=0.05; class drug; var decrease; run;

输出中的N、Mean、Std Dev、Std Error、Lower 95% CL for Mean、Upper 95% CL for Mean分别对应手算表格里的样本量、均值、标准差、标准误和置信区间上下限。CLASS DRUG会自动按照分组输出，不用提前排序，比BY语句更方便。

我习惯把CLM念成“Confidence Limits for Mean”，它默认给的是95%区间。如果你想看90%或99%，改ALPHA=0.10或ALPHA=0.01就行。

3.3 用PROC TTEST完成单样本和两样本t检验

单样本t检验，检验A药组下降值是否不为0：

proc ttest data=hypertension h0=0 plots=none; var decrease; where drug=1; run;

WHERE DRUG=1只保留A药组，H0=0表示原假设的均数值是0。输出里要重点看Mean、t Value、Pr > |t|和95% CL Mean。这里Pr > |t|就是双侧P值。

两独立样本t检验：

proc ttest data=hypertension plots=none; class drug; var decrease; run;

CLASS DRUG指定分组变量。SAS的PROC TTEST会同时给出两组均值的置信区间，以及两种方差假设下的t检验结果：

• Pooled：假设两组方差相等；
• Satterthwaite：不假设方差相等，做了校正。

旁边还有一个方差齐性的F检验。F检验P值大于0.05时，看Pooled那行；小于0.05时，看Satterthwaite那行。这组例题F检验不显著，所以主要看Pooled行，t=3.73，P值约0.0016，与手算一致。

SAS默认还会画图和输出置信区间，如果不想看图形，PLOTS=NONE能省掉一堆输出。

4. 用R实现：三分钟跑完分析

4.1 数据准备与描述统计

R最灵活的地方是向量和公式接口。先输入两组数据，拼成长格式：

decrease_A <- c(12, 15, 8, 10, 14, 9, 13, 11, 16, 10) decrease_B <- c(8, 10, 6, 9, 7, 5, 11, 8, 7, 9) group <- factor(rep(c("A", "B"), each = 10)) decrease <- c(decrease_A, decrease_B) df <- data.frame(group = group, decrease = decrease)

看分组均值、标准差和样本量：

aggregate(decrease ~ group, data = df, FUN = function(x) { c(n = length(x), mean = mean(x), sd = sd(x)) })

如果希望连置信区间一起算，可以用t.test的单独输出，也可以自己手写：

n <- length(decrease_A) mean_A <- mean(decrease_A) sd_A <- sd(decrease_A) se_A <- sd_A / sqrt(n) t_crit <- qt(0.975, df = n - 1) c(mean_A - t_crit * se_A, mean_A + t_crit * se_A)

这行代码就是置信区间公式的落地版，建议每个人都亲手敲一遍。

4.2 t.test函数：单样本、独立样本、配对样本

单样本t检验：

t.test(decrease_A, mu = 0)

MU=0就是原假设的参考值。输出里有t=14.037, df=9, p-value很小，95 percent confidence interval为9.90到13.70。

两独立样本t检验：

t.test(decrease_A, decrease_B, var.equal = TRUE)

如果R没设VAR.EQUAL=TRUE，默认用的是Welch检验，也就是不假设方差相等。这组数据两组方差差别不大，Welch结果也非常接近，自由度会变成非整数，t约等于3.70，P值约0.002。手动做作业时为了和教材公式一致，我会明确写var.equal=TRUE；实际研究我更推荐用Welch，因为它少了一个容易翻车的假设。

R也可以用公式写法：

t.test(decrease ~ group, data = df, var.equal = TRUE)

如果处理的是同一批受试者治疗前后的数据，用配对t检验：

before <- c(...) after <- c(...) t.test(after, before, paired = TRUE)

注意配对t检验本质上就是对差值做的单样本t检验。软件里如果给的是“差值”这一列，直接跑单样本；如果给的是“前测”“后测”两列，就必须用PAIRED=TRUE，否则等于把两个变量当成独立样本，会严重错。

4.3 把R输出整理成可读表格

R原样输出有点乱，我习惯用broom包把t检验结果整理成数据框：

library(broom) tidy(t.test(decrease_A, mu = 0))

一行就得到estimate、statistic、p.value、conf.low、conf.high，适合批量分析和写报告。这个方法在样本量多、检验做了几十个的时候特别好用，就不用逐条复制控制台了。

5. 用Stata实现：命令比你想的更直白

5.1 数据输入与均值置信区间

Stata的命令风格比较口语化。先输入数据：

input drug decrease 1 12 1 15 1 8 1 10 1 14 1 9 1 13 1 11 1 16 1 10 2 8 2 10 2 6 2 9 2 7 2 5 2 11 2 8 2 7 2 9 end

计算总体均值的置信区间：

ci mean decrease

按分组计算均值和置信区间：

by drug, sort: ci mean decrease

输出会按drug=1和drug=2各给一行，包含Obs、Mean、Std. Err、Std. Dev和95% Conf. Interval。STATA里的Std. Err就是标准误，Std. Dev是标准差，别弄混。

5.2 ttest命令与结果解读

单样本t检验，检验A药组下降值均数是否为0：

ttest decrease == 0 if drug == 1

两独立样本t检验：

ttest decrease, by(drug)

Stata输出有一个很有特色的地方：除了双侧P值，还会给单侧假设的P值。表格下方的：

• Pr(T < t) 是左侧单侧P值；
• Pr(T > t) 是右侧单侧P值；
• Pr(|T| > |t|) 是双侧P值。

平时报告用的就是最后一个。

Stata默认的BY形式t检验假设两组方差相等。如果不想做方差齐性假设，加WELCH选项：

ttest decrease, by(drug) welch

还可以用sdtest检查两组方差是否相等：

sdtest decrease, by(drug)

这组数据SDTEST的P值不显著，说明方差不齐问题不大，标准t检验结果可信。

Stata比较适合课堂演示，因为命令短、输出规整，几乎不需要额外调格式。缺点是某些默认假设不明显，比如默认等方差，容易让人忽略这个前提。

6. 用SPSS实现：点鼠标也能把逻辑讲清楚

6.1 数据录入格式：先把表格摆对

SPSS是最容易上手的，也是我见过出错最多的。常见问题是把两组独立样本的数据排成两列，一行一个组别，把重复测量数据也排成两列，SPSS根本无法判断分析类型。

本例子SPSS数据视图应该是三列：编号、drug、decrease。每一行是其中一个受试者的数据，drug用1和2编码。如果只有差值数据，就一列decrease，一行一个受试者。

把drug定义成数值变量还是字符串变量无所谓，但数值变量更省事。定义分组时直接输入1和2，避免字符串引号问题。

6.2 菜单路径：均值置信区间与t检验

如果想按分组看均值置信区间，用：

• Analyze > Descriptive Statistics > Explore
• 把decrease选入Dependent List，drug选入Factor List
• 在Statistics里勾选Descriptives
• Plots可以全部取消

输出会给出每组的Mean、Std. Deviation、Std. Error和95% Confidence Interval for Mean。

单样本t检验：

• Analyze > Compare Means > One-Sample T Test
• 把decrease选入Test Variable
• Test Value填0
• Options里确认Confidence Interval Percentage是95

如果只检验A药组，需要先用Data > Select Cases选择drug=1，或者用Split File按drug分组后再跑。直接对全部20行做单样本t检验，检验的是两组加在一起的总均值，不是A药组，这是新手最常踩的坑。

两独立样本t检验：

• Analyze > Compare Means > Independent-Samples T Test
• Test Variable选decrease
• Grouping Variable选drug，点击Define Groups，Group 1填1，Group 2填2
• 输出里自动给Levene方差齐性检验和t检验结果

SPSS输出比R更啰嗦，但信息都在。关键看两行：

• 如果Levene检验P值大于0.05，读“Equal variances assumed”那一行；
• 如果小于0.05，读“Equal variances not assumed”那一行。

本例Levene检验不显著，读第一行，t=3.726，df=18，Sig. (2-tailed)=0.0016，Mean Difference=3.80，95% Confidence Interval of the Difference约为1.66到5.94。

6.3 SPSS Syntax：如果不想一直点菜单

点菜单当然直观，但重复做多次时效率太低。SPSS也支持语法，和菜单等价：

T-TEST /TESTVAL=0 /VARIABLES=decrease /CRITERIA=CI(.95). T-TEST GROUPS=drug(1 2) /VARIABLES=decrease /CRITERIA=CI(.95).

只要数据里变量名是decrease和drug，这两行语法直接跑，输出和菜单操作一模一样。建议把语法文件存起来，下次换一批数据只改变量名就行。

7. 实战中常见的坑：从数据格式到结果解读

7.1 独立样本和配对样本的数据格式千万别搞混

这是四个软件里最容易翻车的问题。独立样本t检验要求长格式：一个分组变量，一个结果变量，每行一个观测。配对样本t检验则要求两个结果变量分别放两列，比如before和after。

我还见过有同学把配对数据用SPSS的Independent-Samples T Test去跑，直接把after和before当成两个组，结果P值翻了一倍都不止。解决办法很简单：先问自己“这两组数据是不是来自同一批人”。同一批人前后测，用配对；两拨人，用独立。

7.2 方差齐性：到底该选哪种t检验

传统教材会先做F检验或Levene检验，再决定读哪一行。实际操作中，很多统计课程老师会建议直接使用不假设方差相等的Welch检验，因为它不需要经历“先检验方差再检验均值”的两步决策，避免检方差这一步本身的不确定性。

这组例题两种方式结论一致。但如果你自己跑数据时发现一方标准差明显大于另一方，偏好几倍，那就别犹豫了，直接用Welch结果。在R里就是var.equal=FALSE，在SAS里看Satterthwaite行，在Stata里加welch，在SPSS里读“Equal variances not assumed”，方法都是现成的。

7.3 正态性假设：t检验到底怕什么

t检验要求样本均数的抽样分布近似正态。根据中心极限定理，样本量较大时就算原始数据偏态也能忍。但当n很小，比如每组小于15，数据又明显偏态，这时t检验的结论可能不稳。

可以在正式分析前跑一下Shapiro-Wilk检验：

• SAS用PROC UNIVARIATE NORMAL；
• R用shapiro.test；
• Stata用swilk；
• SPSS用Analyze > Descriptive Statistics > Explore里的Normality Plots。

如果正态性严重不满足，考虑Wilcoxon秩和检验或符号秩检验。注意，这里的“正态不强求”只针对均数比较，不是哪都能放宽。

7.4 P值大于0.05时别急着说“没有差异”

假设检验的结论只有“拒绝原假设”和“不拒绝原假设”两种。P大于0.05说明现有数据不足以证明差异，不代表两组真的完全一样。很多时候是样本量不够，效应量又不小，统计功效不足。

我写结果时习惯把P值和置信区间一起报告，比如“两组均值差为3.80mmHg，95%CI为1.66到5.94，P=0.0016”。置信区间能同时看出效应的大小和方向，比单看一个P值有信息量得多。如果区间跨过0，无论P值看起来多接近0.05，都说明差异证据不足。

7.5 为什么四款软件输出有时候对不上

不同软件版本、不同默认设置，会让结果看起来略有出入。最常见的是三处：

• 自由度：Welch检验自由度不是整数，和常规t检验不同；
• 方差假设：有的默认等方差，有的默认不等方差；
• 单双侧：所有软件默认都报告双侧P值，但Stata额外列了单侧P值，别读错。

所以拿到软件输出先别急着贴到论文里，用文章里的手算结果验一遍。手算、SAS、R、Stata、SPSS五套结果能对得上，说明你真正理解了这一章。

最后再分享一个我很推荐的验证方法：把样本量、均值和标准差写进R或Stata，试着手动构造t统计量，再用软件自带命令跑一遍，两边对比。这种“笨办法”能让你把公式和软件输出彻底打通。以后不管换什么软件、遇到多复杂的例子，都知道自己要找哪个数字了。