学生 T 测试：不要忽视这些秘密
学生 t 检验是一种统计分析，在假设正态性和方差相等的情况下，比较两组的均值以确定其相等性。
您是否知道， 错误 统计检验（包括 学生 t 检验比人们想象的更常见，可能导致错误结论？ 使用比人们想象的要普遍得多，而且可能导致得出错误的结论？ 灾难性的 这很危险，因为错误的结论会造成
当前困境
学生t检验的广泛应用、简便性和易懂性使其成为全球最 常用 的统计检验之一。
然而，这种普及也带来了一些 问题，例如不正确的分析应用。
这个 问题 非常严重，以至于最近发表了几篇系统性综述论文——特别是研究方面，高达 80% 的已发表文章在统计分析中存在错误！
由于 解决 人类问题往往依赖于这些研究，因此令人担忧的是，其中很大一部分研究被错误分析，并可能导致错误的结论。
The 秘诀 并不复杂——我们只需要了解一些基本的分析特征！
解决方案
The 学生 t 检验 用于确定两个总体均值是否相等。因此，严格遵循以下 五个步骤 对于正确、无误地应用t检验至关重要。
1. 我应该使用什么类型的 t 检验？
独立样本t检验 是最常用的检验类型，用于评估从两个独立总体中抽取的样本均值是否相等。例如，我们可以用它来检验某公司中男性和女性的肌肉量是否相似。
配对样本 t 检验 用于确定干预前后从相同样本中采集的样本均值是否相等。例如，我们可能想检验某城市老年女性服用某种药物前后血压是否相同。由于我们会测量每位老年女性两次血压——干预前后各一次——因此每个样本单元都是配对的。
单样本t检验（最少使用的检验类型）用于检验从总体中抽取的样本均值是否等于已知的总体均值。例如，我们可能想要……
2.学生T检验样本量计算
确定要使用哪种类型的 t 检验之后，我们需要确定要 收集.
一致的 样本量 通常可以解决统计学中的许多问题。
找到 适当的 我们检验的样本量的最佳方法是使用特定的计算方法，每个统计检验都应使用不同的计算方法。
对于 t 检验，我们需要两个研究总体的近似或估计 意味着 和 标准偏差.
在统计软件中，我们应该将这些值输入到相应t检验类型的样本量 计算器 中。然后，它会返回需要收集的正确元素数量。
但是，我们从哪里获得研究人群的均值和标准差呢？通常是从其他 试点 研究或 类似 研究中获取！
请阅读 这篇文章 ，了解如何计算样本量！
重要提示： G*功率 是一个优秀的免费统计软件包，可用于计算样本量。
3.观察必须是独立的！
但又常常被忽视的假设 观测值独立性假设是统计学中最重要之一。
学生 t 检验和 所有 其他统计检验都依赖于这一假设，如果违反这一假设，则可能导致分析出现偏差并产生误导性的结果。
为避免违反此规则，数据集中的观测值必须是 独立的。因此，样本中的每个元素都不应与其他元素存在依赖关系。
的概念 随机性 在这里至关重要。避免违反观测值独立性假设的一个好方法是，在适合研究的总体中随机收集数据。
为了更好地理解这个概念，我们来看下面的 例子:
假设我们想要确定一个城市居民的基因谱来回答特定问题。 确定样本量后，我们必须对城市中的个体进行随机抽样，以避免违反观察独立性假设！ 使用同一示例，如果我们仅对来自同一家庭的个人进行抽样来代表市政府，则违反此假设的抽样方法将是这样。 在这种情况下，观察结果将相互依赖，因为遗传图谱是可遗传的并且在家族之间表现出显着的相似性。
4. 常态
残差正态性是 假设。 所有所谓参数推断分析的适用
这一假设意味着，要使用 t 检验， 正态分布 你的残差（误差）必须符合著名的
正态分布呈 钟形曲线，以其中点为对称轴，单峰分布。
但是我们如何知道残差是否 符合 正态分布呢？
好消息是，称为 正态性检验 的统计分析可以识别这种模式——主要的检验有 Shapiro-Wilk 检验、Anderson-Darling 检验和 Kolmogorov-Smirnov 检验。
这些测试结果 解释 时要谨慎，以免误解其含义。
如果分析表明正态性假设不成立 违反则有三种可能性：
（a） 即使正态性假设被违反，仍使用 t 检验，声称它是对这些偏差的稳健检验，并且我们有足够的样本量。
（b） 尝试进行 数据转换 ，然后重新检查正态性。
（c） 最后，使用与 t 检验等效的非参数分析。
我们不推荐 第一 方案。毕竟，如果您打算不考虑残差的正态性而使用t检验，那么进行这些分析还有什么意义呢？
我们通常选择 第二种 方法，如果正态性假设仍然不成立，我们就采用 第三种方法.
参数检验及其非参数等效项：
- 独立样本 t 检验等效于 Mann-Whitney U 检验。
- 配对样本 t 检验等效项是 Wilcoxon 符号秩检验。
- 一种等效样本 t 检验是单样本 Wilcoxon 符号秩检验。
5.同方差性
只有当残差未违反正态性假设时，我们才需要进行 最后一步 。因此，我们将使用学生t检验。
尽管名称复杂，但这一假设的 含义 却很容易理解。
同方差性仅仅意味着 方差相似.
格式应用 t 检验 要按标准 ，两个抽样总体的残差方差必须相似。
为了检验这一假设是否被 违反，统计软件中广泛提供了推断性检验！
F检验、Bartlett检验和Levene检验是 验证 方差齐性最常用的检验方法。然而，只有当残差没有违反正态性假设时，应用这些检验才有意义。
这种假设通常不会造成太大问题。如果该假设不成立——例如，总体方差不相等或存在异方差性——只需对学生t检验进行一些小的 修正 即可解决问题。
异方差后的t检验值 大多数统计软件会自动返回校正 用于异方差性。
仔细审查学生 t 检验和同方差性分析的结果，以便正确 解释.
结束语
The 学生 t 检验 是全球应用最广泛的推断统计分析方法之一。
许多研究错误地应用了该方法， 质疑。 使其结果和结论受到
您可以进行无可置疑的分析 步骤.
要 回顾我们必须：
[1] 选择 t 检验类型， [2] 计算样本量， [3] 进行适当的随机抽样， [4] 检查残差的正态性， [5] 验证总体方差的相等性。
完成这些步骤后，剩下的就是 运行 分析了！
