配对 t 检验
配对 t 检验,也称为相依样本 t 检验,用于评估两个相关组的均值之间是否存在显著差异。当每个对象或单元在不同条件下或不同时间被测量两次,从而形成成对观测值时,使用该检验。
最后审阅
核心要点
配对 t 检验,也称为相依样本 t 检验,用于评估两个相关组的均值之间是否存在显著差异。
什么是配对 t 检验?
配对 t 检验,也称为相依样本 t 检验,用于评估两个相关组的均值之间是否存在显著差异。当每个对象或单元在不同条件下或不同时间被测量两次,从而形成成对观测值时,使用该检验。配对 t 检验评估这些成对观测值之间的均值差是否显著不同于零。原假设认为均值差为零,备择假设认为均值差不为零。
配对 t 检验尤其适用于前后对比研究,或对同一对象进行两次测量的任何情形,使研究人员能够判断观测到的变化在统计上是否显著。
何时使用配对 t 检验?
当所比较的两个样本相关或成对时,使用配对 t 检验,例如在前后对比研究中,对同一批个体测量两次;或在匹配对研究中,先按重要特征对个体进行匹配,再分配到不同的处理。
- 正态分布:成对观测值之间的差值应近似服从正态分布。
- 随机抽样:各对观测值应随机选取。
- 独立性:每一对应与其他对相互独立,且各对内部的差值之间也应相互独立。
以下是一些适合使用配对 t 检验的具体情形:
- 前后对比研究:当需要检验某项干预或处理对个体或群体是否产生了显著效果时,可使用配对 t 检验,比较同一组在干预前后的平均得分。
- 匹配对研究:在按年龄、性别或健康状况等相似特征对个体配对,然后分配到不同处理的研究中,可使用配对 t 检验比较两组的均值。
- 重复测量研究:当研究涉及对同一个体或群体多次测量同一变量时,可使用配对 t 检验比较不同时间点测量值的均值。
正确使用配对 t 检验的指南
- 连续数据在任意两点之间可取无限多个值。
- 样本量应大于 20。
如果样本量大于 20,且分布为单峰且连续,即使存在轻度偏斜,该检验仍然有效。
对于样本量小于 20 的情形,应绘制数据图以检查偏度和异常观测值。如果数据严重偏斜或包含许多异常值,应谨慎使用。 - 确保拥有成对(相依)的观测值,例如在不同条件下对同一项目的重复测量。
- 对于两个样本之间相互独立的观测值,请改用双样本 t 检验。
- 随机收集数据,以便对总体作出推广。
- 确定合适的样本量,以获得足够的精度并防范错误。
替代方法:何时不宜使用配对 t 检验
- 如果有两组独立的观测值,建议改用 双样本 t 检验。
配对 t 检验示例
示例 1
一位生理学家想确定某项跑步计划是否对静息心率有影响。测量了 20 名随机选取的人的心率。在参加跑步计划一年后,再次测量这些人的心率。这样每个人都得到一对观测值(前和后)。随后进行配对 t 检验,以评估跑步计划前后的心率之间是否存在统计上显著的差异。检验按以下步骤进行:
- 收集所需数据。

- 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
- 要找到配对 t 检验,请选择 Statistical module> Graphical analysis> Paired t-test。
- 在工具中输入数据及其他输入项,如下所示:

5. 使用上述工具后,得到如下输出:


如何进行配对 t 检验
操作步骤如下:
- 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
- 在首页选择 Statistical Tool> Graphical analysis > Paired t test
- 点击 Paired t test,进入工具界面。
- 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
- 接下来,需要输入置信水平和假设差值的值。
- 最后,点击页面底部的 calculate,即可得到所需结果。
配对 t 检验的工具界面分为两部分。

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
Load example: 将加载示例数据。
Load File: 用于直接加载 Excel 数据。
右侧提供以下选项:
- Confidence level:在假设检验中,置信水平表示我们对统计分析所具有的确定程度或信心水平。它是一个概率值,表示真实总体参数落在指定取值范围内的可能性。置信水平通常以百分数表示,记为 (1 - α),其中 α 为显著性水平,即拒绝真实原假设的概率。例如,若置信水平为 95%,则表示我们有 95% 的把握认为真实总体参数位于我们的区间估计之内,而犯第一类错误(拒绝真实的原假设)的可能性为 5%。从实际应用来看,置信水平越高,表示我们对统计分析及其结果越有信心。然而,提高置信水平也会增大置信区间的宽度,使检测小的效应更加困难。因此,置信水平的选择取决于研究的背景和研究者的目标。
- Hypothesized difference: 假设差值是指原假设与备择假设之间总体参数的差值。例如,若要检验两个组(如男性和女性)的测验平均分是否存在显著差异,则假设差值为男性平均分与女性平均分之差。
- Alternative hypothesis: 在假设检验中,备择假设(也称为研究假设)是代表与原假设不同结论的陈述。原假设通常代表现状,或者说两个或多个组或变量之间没有显著差异或关系的假定。备择假设是被检验的陈述,它认为所研究的组或变量之间存在显著差异或关系。
- Histogram of difference:差值直方图是两组数据之间差值分布的图形表示。在假设检验中,它可用于直观评估两组均值之间的差异。其过程通常是收集两组数据,计算每组的均值和方差,然后计算均值之差。该差值通常称为“效应量”。
- Individual value plot of difference:差值单值图是假设检验中两组之间差值的图形表示。在假设检验中,研究人员希望确定两组(如处理组和对照组)之间是否存在统计上显著的差异。单值图可用于在同一张图上显示两组之间的差值。该图通常显示每组的各个数据点,以及每组的均值和标准差。
- Box Plot of difference: 在假设检验中,差值箱线图可用于显示所比较的两组之间差值的分布。例如,若要比较两组的均值,可以计算均值之差,然后绘制这些差值的箱线图。
- Histogram of difference: 勾选后将提供直方图,否则不提供。
- Label: 用于设置数据标签,包含以下三个选项:
- Outlier: 与其他数据值相距较远的数据值,可能对结果产生较大影响。
- All quartiles: 四分位数是将样本数据分为四个相等部分的值。可快速评估数据集的离散程度和集中趋势。
- Mean: 在箱线图中显示均值,以提供有关数据集中趋势的更多信息。
- Individual Data: 单个数据点是数据集中的一个观测值或数值。
- Download as Excel: 以 Excel 格式显示结果,便于编辑,并可通过 load file 选项重新加载以进行计算。
常见问题
什么是配对 t 检验?
配对 t 检验,也称为相依样本 t 检验,用于评估两个相关组的均值之间是否存在显著差异。当每个对象或单元在不同条件下或不同时间被测量两次时使用,检验成对观测值之间的均值差是否显著不同于零。
何时应使用配对 t 检验而不是双样本 t 检验?
当两个样本相关时使用配对 t 检验,例如对同一批个体的前后对比研究、匹配对研究,或在不同条件下对同一项目的重复测量。如果两组观测值相互独立,请改用双样本 t 检验。
配对 t 检验有哪些假设?
成对观测值之间的差值应近似服从正态分布,各对应随机选取,且每一对应与其他对相互独立。数据应为连续型。当配对数大于 20 且分布为单峰连续时,即使存在轻度偏斜,该检验仍然有效。
配对 t 检验需要多大的样本量?
样本量应大于 20。对于少于 20 对的情形,应绘制数据图以检查偏度和异常观测值,如果数据严重偏斜或包含许多异常值,应谨慎使用。选择能够提供足够精度并防范错误的样本量。
