下载文档原格式
t检验应用条件t检验是统计学中常用的一种假设检验方法，用于比较两个样本的均值是否存在显著差异。
它应用广泛，可以分为独立样本t检验和配对样本t检验两种情况。
我们来看独立样本t检验的应用条件。
独立样本t检验适用于两组相互独立的样本，每个样本的观测值是独立的，并且满足正态分布假设。
此外，两个样本的方差应该相等，即满足方差齐性的假设。
配对样本t检验适用于两组相关的样本，例如同一个实验对象在不同时间点或不同条件下的观测值。
在配对样本t检验中，每个观测值的差异被用来进行假设检验，并且差异应满足正态分布假设。
接下来，我们将分别介绍独立样本t检验和配对样本t检验的应用条件和步骤。
独立样本t检验的步骤如下：1. 提出假设：根据研究问题确定原假设和备择假设。
原假设通常假设两个样本的均值相等，备择假设则假设两个样本的均值不相等。
2. 收集数据：分别从两个独立的样本中收集观测值。
3. 检验前提条件：检查两个样本是否满足正态分布假设，可以使用正态性检验方法，如Shapiro-Wilk检验。
同时，还需检查两个样本的方差是否相等，可以使用方差齐性检验方法，如Levene检验。
4. 计算t值：根据独立样本t检验的公式，计算得到t值。
5. 参考t分布表：根据自由度和显著水平查找相应的临界值。
6. 做出决策：比较计算得到的t值与临界值，如果t值大于临界值，则拒绝原假设，认为两个样本的均值存在显著差异；如果t值小于临界值，则接受原假设，认为两个样本的均值没有显著差异。
7. 得出结论：根据决策结果，结合原假设和备择假设，得出对两个样本均值差异的统计推断。
配对样本t检验的步骤如下：1. 提出假设：根据研究问题确定原假设和备择假设。
原假设通常假设两个样本的均值差异为0，备择假设则假设两个样本的均值差异不为0。
2. 收集数据：从同一个实验对象或相关样本中收集两组观测值。
3. 计算差异值：计算两组观测值的差异，得到差异值。
4. 检验前提条件：检查差异值是否满足正态分布假设，可以使用正态性检验方法。
SAS学习笔记25t检验（单个样本t检验、配对样本t检验、两个独⽴样本t检验及⽅差不齐时的t检验）根据研究设计和资料的性质有单个样本t检验、配对样本t检验、两个独⽴样本t检验以及在⽅差不齐时的t'检验单样本t检验单样本t检验(one-sample t-test)⼜称单样本均数t检验，适⽤于样本均数$\overline{X}$与已知总体均数$\mu_{0}$的⽐较，其⽐较⽬的是检验样本均数所代表的总体均数µ是否与已知总体均数$\mu_{0}$有差别已知总体均数$\mu_{0}$, ⼀般为标准值、理论值或经⼤量观察得到的较稳定的指标值单样本t检验⽤于总体标准差σ未知的资料，其统计值t其中S为样本标准差，n为样本含量配对样本t检验配对样本均数t检验简称配对t检验(paired t test), ⼜称⾮独⽴两样本均数t检验，适⽤于配对设计计量资料均数的⽐较，其⽐较⽬的是检验两相关样本均数所代表的未知总体均数是否有差别。
配对设计(paired design)是将受试对象按某些重要特征相近的原则配成对⼦，每对中的两个个体随机地给予两种处理。
进⾏配对t检验时，⾸选应计算各对数据间的差值d, 将d作为变量计算均数。
其检验统计量为式中d为每对数据的差值，$\overline{d}$为差值样本的均数，$S_{d}$为差值样本的标准差，$S_\overline{d}$为差值样本均数的标准差，即差值样本的标准误，n为配对样本的对⼦数，⾃由度=n-1两独⽴样本t检验两独⽴样本t检验(two-sample t-test), ⼜称成组t检验，它适⽤于完全随机设计的两样本均数的⽐较，其⽬的是检验两样本所来⾃总体的均数是否相等。
两独⽴样本t检验要求两样本所代表的总体服从正态分布，且两总体⽅差相等，即⽅差齐性(homogeneity of variance)。
若两者总体⽅差不齐，可采⽤t'检验、变量变换或⽤秩和检验⽅法处理。
两独立样本T检验目的：利用来自两个总体的独立样本，推断两个总体的均值是否存在显著差异。
检验前提：样本来自的总体应服从或近似服从正态分布；两样本相互独立，样本数可以不等。
两独立样本T检验的基本步骤：提出假设原假设H_0：μ_1-μ_2=0备择假设H_1：μ_1-μ_2≠0建立检验统计量如果两样本来自的总体分别服从N(μ_1,σ_1^2 )和N(μ_2,σ_2^2 )，则两样本均值差(x_1 ) ?-x ?_2应服从均值为μ_1-μ_2、方差为σ_12^2的正态分布。
第一种情况：当两总体方差未知且相等时，采用合并的方差作为两个总体方差的估计，为：s^2=((n_1-1) s_1^2+(n_2-1) s_2^2)/(n_1+n_2-2)则两样本均值差的估计方差为：σ_12^2=s^2 (1/n_1 +1/n_2 )构建的两独立样本T检验的统计量为：t= ((x_1 ) ?-x ?_2)/√(s^2 (1/n_1 +1/n_2 ) )此时，T统计量服从自由度为n_1+n_2-2个自由度的t分布。
第二种情况：当两总体方差未知且不相等时，两样本均值差的估计方差为：σ_12^2=(s_1^2)/n_1 +(s_2^2)/n_2构建的两独立样本T检验的统计量为：t= ((x_1 ) ?-x ?_2)/√((s_1^2)/n_1 +(s_2^2)/n_2 )此时，T统计量服从修正自由度的t分布，自由度为：f= ((s_1^2)/n_1 +(s_2^2)/n_2 )^2/(((s_1^2)/n_1 )^2/n_1 +((s_2^2)/n_2 )^2/n_2 )可见，两总体方差是否相等是决定t统计量的关键。
所以在进行T检验之前，要先检验两总体方差是否相等。
SPSS中使用方差齐性检验（Levene F检验）判断两样本方差是否相等近而间接推断两总体方差是否有显著差异。
三、计算检验统计量的观测值和p值将样本数据代入，计算出t统计量的观测值和对应的概率p值。
