Gepaarde t-toets (Paired t-test)
De gepaarde t-toets, ook wel de t-toets voor afhankelijke steekproeven genoemd, wordt gebruikt om te beoordelen of er een significant verschil is tussen de gemiddelden van twee gerelateerde groepen. Deze toets wordt toegepast wanneer elk object of elke eenheid tweemaal wordt gemeten, onder verschillende omstandigheden of op verschillende tijdstippen, zodat paren waarnemingen ontstaan.
Laatst beoordeeld
Belangrijkste conclusie
De gepaarde t-toets, ook wel de t-toets voor afhankelijke steekproeven genoemd, wordt gebruikt om te beoordelen of er een significant verschil is tussen de gemiddelden van twee gerelateerde groepen.
Op deze pagina
Wat is een gepaarde t-toets?
De gepaarde t-toets, ook wel de t-toets voor afhankelijke steekproeven genoemd, wordt gebruikt om te beoordelen of er een significant verschil is tussen de gemiddelden van twee gerelateerde groepen. Deze toets wordt toegepast wanneer elk object of elke eenheid tweemaal wordt gemeten, onder verschillende omstandigheden of op verschillende tijdstippen, zodat paren waarnemingen ontstaan. De gepaarde t-toets beoordeelt of het gemiddelde verschil tussen deze gepaarde waarnemingen significant van nul verschilt. De nulhypothese veronderstelt dat het gemiddelde verschil nul is, terwijl de alternatieve hypothese stelt dat het gemiddelde verschil niet nul is.
De gepaarde t-toets is vooral nuttig voor voor-en-na-onderzoeken of elke situatie waarin twee metingen aan dezelfde objecten worden verricht, zodat onderzoekers kunnen vaststellen of waargenomen veranderingen statistisch significant zijn.
Wanneer gebruikt u een gepaarde t-toets?
Een gepaarde t-toets wordt gebruikt wanneer de twee te vergelijken steekproeven gerelateerd of gepaard zijn, zoals bij een voor-en-na-onderzoek, waarbij dezelfde personen tweemaal worden gemeten, of bij een onderzoek met gematchte paren, waarbij personen op belangrijke kenmerken worden gematcht en vervolgens aan verschillende behandelingen worden toegewezen.
- Normale verdeling: De verschillen tussen gepaarde waarnemingen moeten bij benadering normaal verdeeld zijn.
- Aselecte steekproef: De paren moeten willekeurig zijn gekozen.
- Onafhankelijkheid: Elk paar moet onafhankelijk zijn van de andere paren, en de verschillen binnen paren moeten onafhankelijk van elkaar zijn.
Enkele specifieke situaties waarin een gepaarde t-toets geschikt kan zijn:
- Voor-en-na-onderzoeken: Wanneer u wilt toetsen of een ingreep of behandeling een significant effect heeft gehad op een persoon of groep, kan een gepaarde t-toets worden gebruikt om de gemiddelde scores van dezelfde groep vóór en na de ingreep te vergelijken.
- Onderzoeken met gematchte paren: Bij onderzoeken waarin personen op basis van vergelijkbare kenmerken, zoals leeftijd, geslacht of gezondheidstoestand, worden gepaard en vervolgens aan verschillende behandelingen worden toegewezen, kan een gepaarde t-toets worden gebruikt om de gemiddelden van de twee groepen te vergelijken.
- Onderzoeken met herhaalde metingen: Wanneer een onderzoek dezelfde variabele meerdere keren bij dezelfde persoon of groep meet, kan een gepaarde t-toets worden gebruikt om de gemiddelden van de metingen op verschillende tijdstippen te vergelijken.
Richtlijnen voor correct gebruik van de gepaarde t-toets
- Continue gegevens kunnen tussen twee willekeurige punten een oneindig aantal waarden aannemen.
- De steekproefomvang moet groter zijn dan 20.
Als de steekproefomvang groter is dan 20 en de verdeling unimodaal en continu is, blijft de toets geldig, ook bij lichte scheefheid.
Maak bij steekproefomvangen kleiner dan 20 een grafiek van de gegevens om te controleren op scheefheid en ongebruikelijke waarnemingen. Wees voorzichtig als de gegevens sterk scheef zijn of veel uitschieters bevatten. - Zorg dat u gepaarde (afhankelijke) waarnemingen hebt, zoals herhaalde metingen aan hetzelfde item onder verschillende omstandigheden.
- Gebruik voor onafhankelijke waarnemingen tussen twee steekproeven in plaats daarvan de tweesteekproef-t-toets.
- Verzamel de gegevens willekeurig om generalisaties over de populatie te kunnen maken.
- Bepaal een passende steekproefomvang die voldoende precisie en bescherming tegen fouten biedt.
Alternatieven: wanneer u geen gepaarde t-toets gebruikt
- Als u twee reeksen onafhankelijke waarnemingen hebt, wordt aanbevolen in plaats daarvan de Tweesteekproef-t-toets te gebruiken.
Voorbeeld van een gepaarde t-toets
Voorbeeld 1
Een fysioloog wil bepalen of een bepaald hardloopprogramma effect heeft op de hartslag in rust. De hartslag van 20 willekeurig gekozen personen werd gemeten. Na een jaar op het hardloopprogramma werd de hartslag van dezelfde personen opnieuw gemeten. Dit leverde voor elke persoon een paar waarnemingen op (voor en na). Vervolgens werd een gepaarde t-toets uitgevoerd om te beoordelen of er een statistisch significant verschil is tussen de hartslag vóór en na het hardloopprogramma. De toets werd uitgevoerd volgens de volgende stappen:
- De benodigde gegevens verzameld.

- Analyseer de gegevens nu in Zometric Statistical Software op https://statsai.zometric.com/.
- Om de gepaarde t-toets te vinden, kiest u Statistical module> Graphical analysis> Paired t-test.
- Voer in de tool de gegevens en de overige invoer als volgt in:

5. Na gebruik van de bovengenoemde tool wordt de uitvoer als volgt weergegeven:


Zo voert u een gepaarde t-toets uit
De handleiding is als volgt:
- Meld u aan bij Zometric Statistical Software op https://statsai.zometric.com/
- Kies op de startpagina Statistical Tool> Graphical analysis > Paired t test
- Klik op Paired t test om naar het dashboard te gaan.
- Werk vervolgens de gegevens handmatig bij, of kopieer (Ctrl+C) de gegevens volledig uit een Excel-blad en plak (Ctrl+V) ze hier.
- Voer vervolgens de waarden van het betrouwbaarheidsniveau en het veronderstelde verschil in.
- Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.
Op het dashboard van Paired t test is het venster in twee delen verdeeld.

Links bevindt zich het Data Pane. In het Data Pane vormt elke rij één subgroep. Gegevens kunnen handmatig worden ingevoerd, of u kunt de gegevens volledig kopiëren (Ctrl+C) uit een Excel-blad en hier plakken (Ctrl+V).
Load example: Er worden voorbeeldgegevens geladen.
Load File: Hiermee laadt u Excel-gegevens rechtstreeks.
Rechts staan de volgende opties:
- Confidence level:Bij hypothesetoetsing geeft het betrouwbaarheidsniveau de mate van zekerheid of vertrouwen aan die we in onze statistische analyse hebben. Het is een kanswaarde die aangeeft hoe waarschijnlijk het is dat de werkelijke populatieparameter binnen het opgegeven bereik van waarden ligt. Het betrouwbaarheidsniveau wordt doorgaans als percentage uitgedrukt en aangeduid met (1 - α), waarbij α het significantieniveau is, oftewel de kans op het verwerpen van een ware nulhypothese. Bij een betrouwbaarheidsniveau van 95% zeggen we bijvoorbeeld dat we er voor 95% van overtuigd zijn dat de werkelijke populatieparameter binnen onze intervalschatting ligt, en dat er een kans van 5% is op een fout van de eerste soort (het verwerpen van een ware nulhypothese). In de praktijk betekent een hoger betrouwbaarheidsniveau dat we meer vertrouwen hebben in onze statistische analyse en resultaten. Een hoger betrouwbaarheidsniveau vergroot echter ook de breedte van het betrouwbaarheidsinterval, waardoor kleine effecten moeilijker te detecteren zijn. De keuze van het betrouwbaarheidsniveau hangt daarom af van de context van het onderzoek en de doelen van de onderzoeker.
- Hypothesized difference: Het veronderstelde verschil verwijst naar het verschil in de populatieparameters tussen de nulhypothese en de alternatieve hypothese. Als we bijvoorbeeld willen toetsen of de gemiddelde score op een test significant verschilt tussen twee groepen (bijv. mannen en vrouwen), is het veronderstelde verschil het verschil tussen de gemiddelde score van mannen en de gemiddelde score van vrouwen.
- Alternative hypothesis: Bij hypothesetoetsing is de alternatieve hypothese (ook wel onderzoekshypothese genoemd) een bewering die een andere conclusie vertegenwoordigt dan de nulhypothese. De nulhypothese vertegenwoordigt doorgaans de status quo of de aanname dat er geen significant verschil of verband is tussen twee of meer groepen of variabelen. De alternatieve hypothese is de bewering die wordt getoetst en stelt dat er wel een significant verschil of verband is tussen de onderzochte groepen of variabelen.
- Histogram of difference:Het histogram van verschillen is een grafische weergave van de verdeling van de verschillen tussen twee reeksen gegevens. Bij hypothesetoetsing kan het worden gebruikt om het verschil tussen de gemiddelden van twee groepen visueel te beoordelen. Het proces omvat doorgaans het verzamelen van gegevens van twee groepen, het berekenen van het gemiddelde en de variantie van elke groep, en vervolgens het berekenen van het verschil tussen de gemiddelden. Dit verschil wordt vaak het "effect size" (effectgrootte) genoemd.
- Individual value plot of difference:Een plot van individuele waarden van het verschil is een grafische weergave van de verschillen tussen twee groepen bij een hypothesetoets. Bij een hypothesetoets willen onderzoekers vaststellen of er een statistisch significant verschil is tussen twee groepen, zoals een behandelgroep en een controlegroep. Met een plot van individuele waarden kunnen de verschillen tussen de twee groepen in één plot worden weergegeven. De plot toont doorgaans de individuele gegevenspunten van elke groep, evenals het gemiddelde en de standaardafwijking van elke groep.
- Box Plot of difference: Bij hypothesetoetsing kan een boxplot van het verschil worden gebruikt om de verdeling van de verschillen tussen de twee vergeleken groepen weer te geven. Als we bijvoorbeeld de gemiddelden van twee groepen vergelijken, kunnen we het verschil tussen de gemiddelden berekenen en vervolgens een boxplot van de verschillen maken.
- Histogram of difference: Aanvinken geeft u het histogram; anders niet.
- Label: Hiermee worden de gegevenslabels ingesteld; er zijn drie opties:
- Outlier: Gegevenswaarden die ver van de andere gegevenswaarden liggen en uw resultaten sterk kunnen beïnvloeden.
- All quartiles: Kwartielen zijn waarden die een steekproef in vier gelijke delen verdelen. Zo beoordeelt u snel de spreiding en de centrale tendens van een dataset.
- Mean: Het gemiddelde in een boxplot geeft aanvullende informatie over de centrale tendens van de gegevens.
- Individual Data: Een individueel gegevenspunt is één waarneming of waarde in een dataset.
- Download as Excel: Hiermee wordt het resultaat in Excel-formaat weergegeven, dat u eenvoudig kunt bewerken en met de optie Load File opnieuw kunt laden voor berekeningen.
Veelgestelde vragen
Wat is een gepaarde t-toets?
Een gepaarde t-toets, ook wel t-toets voor afhankelijke steekproeven genoemd, beoordeelt of er een significant verschil is tussen de gemiddelden van twee gerelateerde groepen. Hij wordt gebruikt wanneer elk object of elke eenheid tweemaal wordt gemeten, onder verschillende omstandigheden of op verschillende tijdstippen, en toetst of het gemiddelde verschil tussen de gepaarde waarnemingen significant van nul verschilt.
Wanneer gebruikt u een gepaarde t-toets in plaats van een tweesteekproef-t-toets?
Gebruik een gepaarde t-toets wanneer de twee steekproeven gerelateerd zijn, zoals bij voor-en-na-onderzoeken bij dezelfde personen, onderzoeken met gematchte paren of herhaalde metingen van hetzelfde item onder verschillende omstandigheden. Als de twee reeksen waarnemingen onafhankelijk zijn, gebruikt u in plaats daarvan de tweesteekproef-t-toets.
Wat zijn de aannames van een gepaarde t-toets?
De verschillen tussen gepaarde waarnemingen moeten bij benadering normaal verdeeld zijn, de paren moeten willekeurig zijn gekozen en elk paar moet onafhankelijk zijn van de andere. De gegevens moeten continu zijn. Bij meer dan 20 paren en een unimodale, continue verdeling blijft de toets geldig bij lichte scheefheid.
Welke steekproefomvang heeft een gepaarde t-toets nodig?
De steekproefomvang moet groter zijn dan 20. Maak bij minder dan 20 paren een grafiek van de gegevens om te controleren op scheefheid en ongebruikelijke waarnemingen, en wees voorzichtig als de gegevens sterk scheef zijn of veel uitschieters bevatten. Kies een steekproefomvang die voldoende precisie en bescherming tegen fouten biedt.
