在生物醫藥統計分析中，不同組別間的差異分析是最常用，也是使用最多的統計方法。
因變量為連續變量，且符合正態分布的數據要分析不同組別間的差異時，在SPSS中用到的統計方法是：獨立樣本T檢驗與單因素方差分析。
下面來看今天的實際案例：以下是45名患者的年齡數據，以及他們的血型分組和MRS分組。血型分為A/B/AB/O型，MRS分為生存和死亡2組（圖1），這里我們已經檢驗了年齡在血型和MRS分組上的正態性，均是符合正態的，具體方法在之前的文章里有詳細講解，這里不再贅述。注意一定要符合正態分布的數據才能使用我們今天所講的這2種方法。
1. 獨立樣本t檢驗
獨立樣本t檢驗，適用于符合正態分布的連續型因變量，在只有2種不同分組的組別上比較差異，也就是這里的年齡在不同MRS分組上是否存在顯著的差異。
操作步驟：
①點擊“分析”-“比較平均值”-“獨立樣本t檢驗”（圖2）
②在彈出的窗口中，將“年齡”選入“檢驗變量”框內，將“MRS”分組選入“分組變量”欄內，并點擊“定義組”設置分組編碼（圖3），設置好后，點擊確定。
③結果分析
由上表可以看出：MRS存活組的年齡為：54.32±8.84，MRS死亡組的年齡為58.70±14.28，而統計量則看上圖中萊文方差等同性檢驗的顯著性，如果這個顯著>0.05，則采用上圖中藍色的T和P，反之則采用綠色。這里0.008<0.05，所以我們采用綠色的T和P值。t=-1.242，P=0.222>0.05，說明存活組的年齡和死亡組的年齡之間的差異不顯著。
2. 獨立樣本t檢驗
單因素方差分析，適用于符合正態分布的連續型因變量，在有大于2種以上不同分組的組別上比較差異，也就是這里的年齡在不同血型分組上是否存在顯著的差異。
操作步驟：
①點擊“分析”-“比較平均值”-“單因素ANOVA檢驗”（圖5）
②在彈出的窗口中，將“年齡”選入右側“因變量列表”，再將“血型”選入右側“因子”框內（圖6），再點擊右側“選項”按鈕，勾選“描述性”和“方差齊性檢驗”（圖7），最后點擊確定
③結果分析
由上圖可以看出：4組不同血型的年齡描述，均值，標準差在描述表里，就不再贅述，ANOVA表里看出，統計量F=7.882，P=0.000<0.05，說明四種血型的年齡差異顯著，但是具體是哪組和哪組之間的差異顯著，我們這里就需要4組之間兩兩多重比較，而兩兩比較之前需要看上圖中方差齊性檢驗表中的顯著性，若大于0.05，則選用LSD多種比較，否則選用塔姆黑尼（T2），具體操作為，在上面的圖6界面中，點擊右側“事后比較”，在彈出的界面中，勾選“塔姆黑尼”，后再次運算。
由上面的多重比較表可以看出：A型血組的患者的年齡顯著高于B和O，而B、O與AB之間的差異不顯著，從大到小排序就為A>AB>B>O。這樣比較后各組之間的差異就非常清楚了。
以上就是今天所講的2種參數類變量的差異分析方法，是最基礎也是最常用的。當然除了這2種方法以外，還有更多復雜的方法，例如SPSS多因素方差，或者重復測量的方差分析，這些我們將會在今后的文章中逐一講解！
