1、T 检验什么是 T 检验 T 检验，亦称 student t 检验（ Students t test），主要用于样本含量较小（例如 n 0.05,按 = 0.05 水准，不拒绝 H0，两者的差别无统计学意义 编辑配对样本 t 检验 配对设计：将受试对象的某些重要特征按相近的原则配成对子，目的是消除混杂因素的影响，一对观察对象之间除了处理因素/研究因素之外，其它因素基本齐同，每对中的两个个体随机给予两种处理。 两种同质对象分别接受两种不同的处理，如性别、年龄、体重、病情程度相同配成对。 同一受试对象或同一样本的两个部分，分别接受两种不同的处理 自身对比。即同一受试对象处理前后的结果进行比较。 目
2、的：判断不同的处理是否有差别 计算公式及意义： t 统计量： 自由度：v=对子数-1 适用条件：配对资料 编辑T 检验的步骤 1、建立虚无假设 H0:1 = 2，即先假定两个总体平均数之间没有显著差异； 2、计算统计量 T 值，对于不同类型的问题选用不同的 统计量计算方法； 1）如果要评断一个总体中的小样本平均数与总体平均值之间的差异程度，其统计量 T 值的计算公式为： 2）如果要评断两组样本平均数之间的差异程度，其统计量 T 值的计算公式为： 3、根据自由度 df=n-1，查 T 值表，找出规定的 T 理论值并进行比较。理论值差异的显著水平为 0.01 级或 0.05 级。不同自由度的显著水
3、平理论值记为 T(df)0.01 和 T(df)0.05 4、比较计算得到的 t 值和理论 T 值，推断发生的概率，依据下表给出的 T 值与差异显著性关系表作出判断。 T 值与差异显著性关系表 T P 值 差异显著程度 差异非常显著 差异显著 T 0.05 差异不显著 5、根据是以上分析，结合具体情况，作出结论。 编辑T 检验举例说明 例如，T 检验可用于比较药物治疗组与安慰剂治疗组病人的测量差别。理论上，即使样本量很小时，也可以进行 T 检验。（如样本量为 10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布，两组方差不会明显不同。如上所述，可以通过观察数据的分布或进行正态性检验
4、估计数据的正态假设。方差齐性的假设可进行 F 检验，或进行更有效的 Levenes检验。如果不满足这些条件，只好使用非参数检验代替 T 检验进行两组间均值的比较。 T 检验中的 P 值是接受两均值存在差异这个假设可能犯错的概率。在统计学上，当两组观察对象总体中的确不存在差别时，这个概率与我们拒绝了该假设有关。一些学者认为如果差异具有特定的方向性，我们只要考虑单侧概率分布，将所得到 t-检验的 P 值分为两半。另一些学者则认为无论何种情况下都要报告标准的双侧 T 检验概率。 1、数据的排列 为了进行独立样本 T 检验，需要一个自（分组）变量（如性别：男女）与一个因变量（如测量值）。根据自变量的特
5、定值，比较各组中因变量的均值。用 T 检验比较下列男、女儿童身高的均值。 性别 身高 对象 1对象 2对象 3对象 4对象 5男性男性男性女性女性111110109102104 男性身高均数 = 110女性身高均数 = 103 2、T 检验图 在 T 检验中用箱式图可以直观地看出均值与方差的比较，见下图： 这些图示能够很快地估计并且直观地表现出分组变量与因变量关联的强度。 3、多组间的比较 科研实践中，经常需要进行两组以上比较，或含有多个自变量并控制各个自变量单独效应后的各组间的比较，（如性别、药物类型与剂量），此时，需要用方差分析进行数据分析，方差分析被认为是 T 检验的推广。在较为复杂的设
6、计时，方差分析具有许多 t-检验所不具备的优点。（进行多次的 T 检验进行比较设计中不同格子均值时）。 编辑T 检验注意事项 要有严密的抽样设计随机、均衡、可比 选用的检验方法必须符合其适用条件(注意：t 检验的前提是资料服从正态分布) 单侧检验和双侧检验 单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第错误的可能性大。 假设检验的结论不能绝对化 不能拒绝 H0，有可能是样本数量不够拒绝 H0 ，有可能犯第类错误 正确理解 P 值与差别有无统计学意义 P 越小，不是说明实际差别越大，而是说越有理由拒绝 H0 ，越有理由说明两者有差异，差别有无统计学意义和有无专业上的实际意义并不完全相同 假设检验和可信区间的关系 结论具有一致性 差异：提供的信息不同 区间估计给出总体均值可能取值范围，但不给出确切的概率值，假设检验可以给出 H0 成立与否的概率 编辑参考文献
