我做了干预实验，分成两个组，两个组分别在干预前、干预结束后和干预结束两周后完成问卷，现在需要用专业分析软件如spss等，用卡方检验或t检验的方法来比较哪组的干预效果更好，时间紧。
为了比较哪组的干预效果更好，您可以使用t检验和卡方检验两个方法进行分析。
首先，您可以使用t检验来比较两组在连续变量上的表现差异，例如问卷中的总得分。对于每个时间点，将两个组的得分进行比较。如果数据呈正态分布，则使用独立样本t检验，如果数据不服从正态分布，则使用非参数检验方法，例如Mann-Whitney U检验。
其次，您也可以使用卡方检验来比较两组在离散变量上的表现差异，例如问卷中的某个具体问题的回答比例。对于每个时间点，将两个组的回答比例进行比较。如果两个组的样本量不是很小，则可以使用卡方检验来比较。
请注意，以上方法只是其中一种，您需要考虑数据是否符合假设检验的先决条件，以及选择合适的方法进行分析。最好在执行分析之前，先进行数据清洗和数据加工处理，以确保结果的可靠性。
对于您的需求，我可以为您提供一些基本的指导，以便您使用专业数据分析软件（如SPSS）进行卡方检验和t检验来比较两组的干预效果。请注意，这里只提供了一般的步骤，具体操作可能因软件版本和数据特点而有所不同。以下是一般的步骤：
准备数据：将您的实验数据整理成适合分析的格式。确保您的数据包括组别（干预前组、干预后组、干预结束两周后组）和对应的问卷结果。
导入数据：打开SPSS软件并导入数据文件。您可以使用菜单选项或命令来导入数据，具体取决于您使用的软件版本。
数据描述统计：首先，对您的数据进行描述性统计分析，了解每个组别的样本数量、均值、标准差等。这可以帮助您对数据有一个整体的了解。
卡方检验：如果您的结果是分类数据（如是/否、频次等），您可以使用卡方检验来比较组别之间的差异。选择适当的卡方检验方法，根据数据和研究问题进行分析。
t检验：如果您的结果是连续数据（如分数、评分等），您可以使用t检验来比较组别之间的差异。根据数据的正态性和独立性进行选择，可以进行独立样本t检验或配对样本t检验。
分析结果：根据您进行的统计分析，检查各个检验的结果，比较组别之间的差异。您可以查看统计显著性、效应大小等指标来解释结果。
请注意，以上步骤只是一般的指导，具体的操作细节可能因您的数据和软件版本而有所不同。因此，我建议您参考您使用的数据分析软件的官方文档或教程，以获取更具体和准确的操作指南。
此外，如果时间紧迫，您还可以考虑寻求专业数据分析人员的帮助，他们可以根据您的需求和数据提供更准确的分析结果和解释。
针对你所述的研究设计，你需要进行变量分析和组间比较，常用的统计方法包括卡方检验和t检验。以下是可能的分析步骤：
在进行任何的统计分析前，需要对数据进行清洗，处理数据缺失和异常值。然后对数据进行描述性统计（均数、标准差等），以熟悉数据分布特征，判断数据是否符合正态分布假设。
对于每个变量，可以通过卡方检验或t检验检验其在两个组中的分布是否存在显著差异。若变量符合正态分布假设，则使用t检验；否则，使用非参数检验方法，如Wilcoxon秩和检验。
考虑到研究设计中的时间因素，建议使用重复测量的方差分析（repeated measures ANOVA）来比较干预前、干预结束后和干预结束两周后的问卷数据差异。在分析过程中，需控制其他可能影响研究结果的因素，如个体差异等。
通过各项统计分析，可以得知各个变量和组间是否存在显著差异，从而进一步分析研究结果，得出结论。
在进行统计分析过程中，如果不熟悉SPSS等统计软件的使用，可以寻求专业人员的帮助。
对于你的实验设计，可以考虑使用t检验或卡方检验来比较两个组别的干预效果。
如果你的自变量是连续型的（比如干预前和干预结束后的问卷得分），你可以使用t检验来比较两个组别的得分是否存在显著差异。在SPSS中，你可以选择“比较均值”（Compare Means）菜单下的“独立样本t检验”（Independent-Samples T Test）功能实现。在这个功能中，你需要选择两个待比较的组别，然后选择你想要比较的变量，即干预前和干预结束后的问卷得分。最后，SPSS会自动计算两个组别在该变量上的t值和p值，用来判断两个组别的得分是否有显著差异。
如果你的自变量是分类型的（比如干预前和干预结束后的问卷评价，如“好评”、“中评”、“差评”等），你可以使用卡方检验来比较两个组别的得分分布是否存在显著差异。在SPSS中，你可以选择“交叉表”（CrossTabs）菜单下的“卡方检验”（Chi-Square）功能实现。在这个功能中，你需要选择你想要比较的两个变量，即组别和问卷评价，然后SPSS会自动计算两个组别在不同评价等级上的频数和期望频数，以及卡方值和p值，用来判断两个组别的得分分布是否有显著差异。
需要注意的是，在使用任何统计方法前，都需要先检查数据是否符合该方法的前提假设。比如，使用t检验前需要检查数据是否满足正态分布和方差齐性的假设；使用卡方检验前需要检查数据是否满足独立性和期望频数大于5的假设。如果数据不满足这些假设，需要考虑使用其他方法或者进行数据转换等操作。另外，如果你对统计方法不熟悉，建议你在使用前先阅读相关的统计学知识，或者寻求专业的统计学支持，以保证分析结果的可靠性和准确性。
首先，试验组和对照组应该检验基线均衡，可以对前测做成组检验，不服从正态分布，则做wilcoxon非参数检验，此处检验水准建议设为0.1～0.2。期望得到不拒绝H0的结果。分别计算试验组和对照组的后测-前测的值，作为干预效应值，视差值是否服从正态分布做成组的t检验或wilcoxon检验。