配對設計:將受試對象的某些重要特征按相近的原則配成對子,目的是消除混雜因素的影響,一對觀(guān)察對象之間除了處理因素/研究因素之外,其它因素基本齊同,每對中的兩個(gè)個(gè)體隨機給予兩種處理。
目的:判斷不同的處理是否有差別
計算公式及意義:
t 統計量:
自由度:v=對子數-1
適用條件:配對資料
1、建立虛無(wú)假設H0:μ1 = μ2,即先假定兩個(gè)總體平均數之間沒(méi)有顯著(zhù)差異;
2、計算統計量T值,對于不同類(lèi)型的問(wèn)題選用不同的統計量計算方法;
1)如果要評斷一個(gè)總體中的小樣本平均數與總體平均值之間的差異程度,其統計量T值的計算公式為:

2)如果要評斷兩組樣本平均數之間的差異程度,其統計量T值的計算公式為:

3、根據自由度df=n-1,查T(mén)值表,找出規定的T理論值并進(jìn)行比較。理論值差異的顯著(zhù)水平為0.01級或0.05級。不同自由度的顯著(zhù)水平理論值記為T(mén)(df)0.01和T(df)0.05
4、比較計算得到的t值和理論T值,推斷發(fā)生的概率,依據下表給出的T值與差異顯著(zhù)性關(guān)系表作出判斷。
| T值與差異顯著(zhù)性關(guān)系表 | ||
|---|---|---|
| T | P值 | 差異顯著(zhù)程度 |
![]() | ![]() | 差異非常顯著(zhù) |
![]() | ![]() | 差異顯著(zhù) |
| T < T(df)0.05 | P > 0.05 | 差異不顯著(zhù) |
5、根據是以上分析,結合具體情況,作出結論。
例如,T檢驗可用于比較藥物治療組與安慰劑治療組病人的測量差別。理論上,即使樣本量很小時(shí),也可以進(jìn)行T檢驗。(如樣本量為10,一些學(xué)者聲稱(chēng)甚至更小的樣本也行),只要每組中變量呈正態(tài)分布,兩組方差不會(huì )明顯不同。如上所述,可以通過(guò)觀(guān)察數據的分布或進(jìn)行正態(tài)性檢驗估計數據的正態(tài)假設。方差齊性的假設可進(jìn)行F檢驗,或進(jìn)行更有效的Levene's檢驗。如果不滿(mǎn)足這些條件,只好使用非參數檢驗代替T檢驗進(jìn)行兩組間均值的比較。 T檢驗中的P值是接受兩均值存在差異這個(gè)假設可能犯錯的概率。在統計學(xué)上,當兩組觀(guān)察對象總體中的確不存在差別時(shí),這個(gè)概率與我們拒絕了該假設有關(guān)。一些學(xué)者認為如果差異具有特定的方向性,我們只要考慮單側概率分布,將所得到t-檢驗的P值分為兩半。另一些學(xué)者則認為無(wú)論何種情況下都要報告標準的雙側T檢驗概率。 1、數據的排列 為了進(jìn)行獨立樣本T檢驗,需要一個(gè)自(分組)變量(如性別:男女)與一個(gè)因變量(如測量值)。根據自變量的特定值,比較各組中因變量的均值。用T檢驗比較下列男、女兒童身高的均值。 2、T檢驗圖 在T檢驗中用箱式圖可以直觀(guān)地看出均值與方差的比較,見(jiàn)下圖: T檢驗舉例說(shuō)明
性別 身高 對象1
對象2
對象3
對象4
對象5男性
男性
男性
女性
女性111
110
109
102
104 男性身高均數 = 110
女性身高均數 = 103 
這些圖示能夠很快地估計并且直觀(guān)地表現出分組變量與因變量關(guān)聯(lián)的強度。
3、多組間的比較
科研實(shí)踐中,經(jīng)常需要進(jìn)行兩組以上比較,或含有多個(gè)自變量并控制各個(gè)自變量單獨效應后的各組間的比較,(如性別、藥物類(lèi)型與劑量),此時(shí),需要用方差分析進(jìn)行數據分析,方差分析被認為是T檢驗的推廣。在較為復雜的設計時(shí),方差分析具有許多t-檢驗所不具備的優(yōu)點(diǎn)。(進(jìn)行多次的T檢驗進(jìn)行比較設計中不同格子均值時(shí))。
單側檢驗的界值小于雙側檢驗的界值,因此更容易拒絕,犯第Ⅰ錯誤的可能性大。
P越小,不是說(shuō)明實(shí)際差別越大,而是說(shuō)越有理由拒絕H0 ,越有理由說(shuō)明兩者有差異,差別有無(wú)統計學(xué)意義和有無(wú)專(zhuān)業(yè)上的實(shí)際意義并不完全相同
區間估計給出總體均值可能取值范圍,但不給出確切的概率值,假設檢驗可以給出H0成立與否的概率
聯(lián)系客服