命令：	统计 T检验 独立样本T检验

描述

独立样本（或两个样本）t检验用于比较两个独立样本的均值。

必填项

选择样本1和样本2的变量。差异将计算为Sample2-Sample1。

注意：两个过滤器必须定义不同的组，以便在两个样本中不包含相同的情况。

选件

• 对数转换：如果数据需要对数转换（例如，当数据正偏时），请选择对数转换选项。
• 置信区间：为均值之间的差异选择所需的置信区间。通常选择95％的置信区间，为等效性测试选择90％的置信区间。
• 不等方差的校正：允许选择t检验（假设方差相等）或校正不等方差的t检验（Welch检验，Armitage等，2002）。使用选项“自动”，软件将基于F检验（方差比较）选择适当的检验。
• 残差：（可选）选择“检验残差的正态分布”。在独立样本t检验中，残差是观察值与其组或样本平均值之间的差异。

结果

独立样本t检验的结果窗口显示两个样本的摘要统计信息，然后是统计检验。

首先执行F检验。如果P值较低（P <0.05），则不能假定两个样本的方差相等，应考虑使用t检验对不等方差进行校正（韦尔奇检验）（请参见上文）。

独立样本t检验用于检验两个样本均值之差等于0的假设（因此，该假设称为零假设）。程序显示两个均值之间的差异，以及该差异的置信区间（CI）。接下来是检验统计量t，自由度（DF）和双尾概率P。当P值小于常规0.05时，原假设被拒绝，结论是两种方法的确不同显着。

对数变换

如果选择了对数转换选项，则程序将根据观测值的对数执行计算，但会报告经过反向转换的摘要统计信息。

对于t检验，给出了差异及其置信区间，并以对数转换的尺度执行检验。

接下来，将t检验的结果转换回去，其解释如下：测井均值的反转换差是两个样本的几何均值之比（参见Bland，2000）。

残差的正态分布

对于独立样本t检验，假设残差（观测值与其组或样本平均值之间的差异）服从正态分布。可以通过正式测试或通过图形方法来评估此假设。

当样本量较小时，不同的正态分布正式测试可能没有足够的能力来检测与正态分布的偏差。另一方面，当样本量较大时，由于中心极限定理，正态分布的要求不太严格。

因此，通常优选使用直方图，盒须图或正态图在视觉上评估残差分布的对称性和峰值。

为此，请在结果窗口中单击“保存残差”超链接。这会将残值保存为电子表格中的新变量。然后，您可以在不同的分布图中使用此新变量。

单面或双面测试

在MedCalc中，P值始终是双面的（如Fleiss，1981和Altman，1991所建议），而不是单面的。

甲双面（或双尾）P值是在适当的时候在两个装置之间的差异可以在两个方向上发生的：它可以是负的或正的，平均一个样本可以是比的更小或更大其他样本。

甲片面时，在研究开始之前，它已被证实的差只能发生在一个方向上只应进行测试。例如，由于与样本无关的原因，样本A的平均值必须大于样本B的平均值。

P 值的解释

P值不应过于严格地解释。尽管通常将5％的显着性水平作为显着性结果与非显着性结果的临界点，但是将P值从例如0.045转变为0.055表示从显着性到非显着性的变化将是错误的。不重要的。因此，最好报告真实的P值，P = 0.045或P = 0.055，而不是P <0.05或P> 0.05，以便读者自己解释。

关于将P值解释为显着或不显着，建议在必须十分确定在接受之前存在差异的情况下，选择较小的显着性水平，例如0.01 。当一项研究旨在发现差异时，或者正在研究一种挽救生命的药物时，即使P值高达0.10甚至是0.20，我们也应该愿意接受这种差异（Lentner，1982年）。后者的作者指出“医学和生物学研究的趋势是使用太小的显着概率”。

置信区间

尽管P值可以提供有关结果统计意义的信息，但是95％的置信区间可以提供信息以评估结果的临床重要性。

当研究中包含的病例数量很大时，生物学上不重要的差异在统计学上可能会非常显着。具有统计意义的结果不一定表明存在真正的生物学差异。

另一方面，高P值可以得出统计上无显着差异的结论，尽管该差异具有临床意义和相关性，尤其是在病例数少的情况下。不重要的结果并不意味着没有真正的生物学差异。

因此，置信区间有助于解释差异，无论差异是否具有统计学意义（Altman等，1983）。

结果介绍

建议不要通过简单的陈述（例如P <0.05）而是通过提供完整的统计信息来报告t检验（和其他检验）的结果，如Gardner＆Altman（1986）的以下示例所示：

糖尿病患者和非糖尿病患者的平均收缩压之差为6.0 mm Hg，95％置信区间为1.1至10.9 mm Hg。t检验统计量为2.4，自由度为198，关联的P值为P = 0.02。

简而言之：

平均6.0毫米汞柱，95％CI 1.1至10.9; t = 2.4，df = 198，P = 0.02