雙樣本 t 檢定
雙樣本 t 檢定用於比較具有連續反應的兩個獨立組的平均值,例如兩臺機器、兩家供應商或兩種製程設定。各組資料應近似服從常態分配或至少包含 30 個觀測值,組間不存在配對,且沒有明顯的離群值。可選擇合併檢定(變異數相等)或 Welch 檢定。輸出包括 p 值和平均值之差的信賴區間。
最後審閱
核心要點
雙樣本 t 檢定用於判斷兩個獨立組(例如兩臺機器或兩家供應商)的平均值是否存在顯著差異,或觀察到的差異是否源於隨機變異。
什麼是雙樣本 t 檢定?
雙樣本 t 檢定是一種統計方法,用於判斷兩個獨立組的平均值之間是否存在顯著差異。它比較來自兩個獨立總體或兩種製程條件的平均值,並計算觀察到的差異源於偶然而非真實潛在差異的機率。
例如,可以用它比較機器 A 與機器 B 的平均產出,或比較製程變更前後的平均反應時間——前提是兩組之間沒有任何關聯。
簡單定義:該檢定用於判斷兩個獨立組的平均值是否確實不同,或者所看到的差異是否僅僅源於資料中的隨機變異。
何時使用雙樣本 t 檢定?
- 當有 兩個獨立且互不相關的組 並希望比較其平均值時使用——例如兩臺機器、兩家供應商或兩種製程設定。
- 當反應變數為 連續型 時使用——例如量測值、重量、溫度或尺寸。
- 當兩組是 分別量測 的,各觀測值之間沒有配對或匹配時使用。
- 當希望判斷 製程變更、材料更換或操作差異 是否使平均結果產生了有意義的偏移時使用。
正確使用雙樣本 t 檢定的指南
- 各組資料應 近似服從常態分配,或者各組至少包含 30 個觀測值,以便適用中心極限定理。
- 兩組必須 相互獨立 ——一組中的任何觀測值都不應與另一組中的任何觀測值相關或配對。
- 在執行檢定之前,檢查兩組的 變異數是否相等 ——使用 F 檢定或 Levene 檢定進行評估,因為這會影反應採用哪種形式的 t 檢定。
- 每組收集 足夠的樣本數 ——建議每組至少 20 到 30 個觀測值,以獲得可靠的結果。
- 應 在收集資料之前設定顯著水準(alpha)——標準預設值為 0.05,表示在差異實際不存在時得出存在差異結論的風險為 5%。
- 確認資料 不含明顯的離群值 ——極端值會扭曲平均值,使檢定結果偏大或偏小。
替代方法:何時不宜使用雙樣本 t 檢定
- 如果兩組資料是 配對或匹配的(例如對同一物件的前後量測),請使用 配對 t 檢定
- 如果需要比較 兩個以上的組,請使用 單因素變異數分析
- 如果目標是證明兩組 實際上等價而非存在差異,請使用 雙樣本等價檢定
- 如果資料 嚴重偏離常態且樣本數較小,請改用 Mann-Whitney 檢定(一種非參數替代方法)。
- 如果只有 彙總資料(平均值、SD、n)而非原始觀測值,請使用 雙樣本 t 檢定(彙總資料)
如何進行雙樣本 t 檢定
操作步驟如下:
- 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
- 在首頁選擇 Statistical Tool> Hypothesis Test >Two sample t test。
- 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
- 接下來,輸入信賴水準和假設差值。
- 最後,點選頁面底部的 calculate,即可得到所需結果。
雙樣本 t 檢定的工具介面分為兩部分。

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可以手動輸入資料,也可以從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
Load example: 將載入範例資料。
Load File: 用於直接載入 Excel 資料。
右側提供以下選項:
- Sample 1: 選擇包含待比較的 第一組 資料的欄——例如來自機器 A、供應商 1 或配方 A 的量測值。這是必填欄位,必須包含連續的數值。
- Sample 2: 選擇包含 第二組 資料的欄——例如來自機器 B、供應商 2 或配方 B 的量測值。這也是必填欄位,且必須與 Sample 1 相互獨立,即兩個資料集的各觀測值之間沒有配對或匹配。
- Confidence Level: 設定圍繞兩個平均值之差計算的信賴區間的信賴水準。標準預設值為 95%,表示有 95% 的把握認為兩組平均值的真實差值落在所顯示的區間內。信賴水準越高(例如 99%),區間越寬;信賴水準越低(例如 90%),區間越窄。
- Hypothesized Difference: 用於檢定的對比值——表示兩組平均值之間預期或假定的差值(Sample 1 平均值減去 Sample 2 平均值)。將其設為 0 時,檢定兩個平均值是否相等。設為其他任何值時,檢定差值是否等於該特定值——例如輸入 5,則檢定第 1 組的平均值是否恰好比第 2 組多 5 個單位。
- Alternative Hypothesis; 定義檢定的方向,即希望證明的兩個平均值之差的情況。提供以下三個選項:
- Diff ≠ Hypothesized Diff ——雙尾檢定,檢查差值是否不等於假設值(任一方向)。在事先無法預期哪一組更大時使用。
- Diff < Hypothesized Diff ——單尾檢定,檢查實際差值是否小於假設值。在明確預期 Sample 1 低於 Sample 2 時使用。
- Diff > Hypothesized Diff ——單尾檢定,檢查實際差值是否大於假設值。在明確預期 Sample 1 高於 Sample 2 時使用。
- Assume Equal Variances: 勾選時,檢定假定兩組具有相同的總體變異數,並使用合併標準差計算檢定統計量——在該假定成立時檢定力略高。不勾選時,檢定對每組分別估計變異數(Welch t 檢定),在兩組離散程度明顯不同時更為可靠。如果不確定,請保持不勾選,這是更安全、更保守的做法。
- Individual Value Plot: 啟用後,並排顯示兩組所有單一資料點的圖形。這樣可以清楚地檢視完整的資料分配、離散程度以及任何異常數值,便於直觀判斷兩組是否存在差異以及是否存在離群值。
- Box Plot: 啟用後,為每組顯示盒鬚圖,彙總中位數、四分位距和整體離散程度。盒鬚圖便於一目瞭然地比較兩組的中心和變異性,並發現可能影響檢定結果的偏斜或離群值。
- Label: 控制在 Individual Value Plot 或 Box Plot 上顯示的附加資訊。選項包括:
- None ——圖上不顯示額外標籤
- Outliers ——僅突出顯示統計上的極端資料點
- Individual Data ——為每個描點新增標籤
- All Quartiles ——顯示 Q1、中位數和 Q3 的值
- Means ——在圖上標出每組的平均值
- Data Labels ——顯示所繪各點的實際值
- Download as Excel: 將檢定結果、彙總統計量、信賴區間和 p 值匯出到 Excel 檔案。便於將結果納入報告、與同事共享或作為分析的正式記錄儲存。
常見問題
什麼是雙樣本 t 檢定?
雙樣本 t 檢定用於判斷兩個獨立組的平均值是否存在顯著差異。它比較兩個獨立總體或兩種製程條件(例如機器 A 與機器 B)的平均值,並計算觀察到的差異源於偶然而非真實潛在差異的機率。
雙樣本 t 檢定有哪些假設條件?
反應必須是連續型的,兩組必須相互獨立且不存在配對,各組應近似服從常態分配或至少包含 30 個觀測值,以便適用中心極限定理。資料中應不含明顯的離群值,建議每組至少 20 到 30 個觀測值。
雙樣本 t 檢定是否應假定變異數相等?
如果兩組變異數相同,使用合併標準差可使檢定力略高。如果不同,Welch t 檢定對各組分別估計變異數,在離散程度不同時更為可靠。可使用 F 檢定或 Levene 檢定進行檢查;如不確定,作為更安全的選擇,請保持 Assume Equal Variances 不勾選。
什麼情況下不應使用雙樣本 t 檢定?
對於同一物件的配對資料或前後資料,使用配對 t 檢定;對於兩個以上的組,使用單因素變異數分析;要證明兩組實際上等價,使用雙樣本等價檢定;資料嚴重偏離常態且樣本數較小時,使用 Mann-Whitney 檢定。如果只有彙總資料,請使用匯總資料版本。
