统计中经常会用到各类查验，如何知道什么时候用什么查验呢，按照结合自己的任务来说一说：之五兆芳芳创作t查验有单样本t查验，配对t查验和两样本t查验.单样本t查验：是用样本均数代表的未知总体均数和已知总体均数进行比较，来不雅察此组样本与总体的差别性.配对t查验：是采取配对设计办法不雅察以下几种情形，1，两个同质受试对象辨别接受两种不合的处理；2,同一受试对象接受两种不合的处理；3，同一受试对象处理前后.u查验：t查验和就是统计量为t,u的假定查验，两者均是罕有的假定查验办法.当样本含量n较大时，样本均数合适正态散布，故可用u查验进行阐发.当样本含量n小时，若不雅察值x合适正态散布，则用t查验（因此时样本均数合适t散布），当x为未知散布时应采取秩和查验.F查验又叫方差齐性查验.在两样本t查验中要用到F查验.从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性.若两总体方差相等，则直接用t查验，若不等，可采取t'查验或变量变换或秩和查验等办法.其中要判断两总体方差是否相等，就可以用F查验.复杂的说就是查验两个样本的方差是否有显著性差别这是选择何种T查验（等方差双样本查验，异方差双样本查验）的前提条件.在t查验中，如果是比较大于小于之类的就用单侧查验，等于之类的问题就用双侧查验.卡方查验是对两个或两个以上率（组成比）进行比较的统计办法，在临床和医学实验中应用十分普遍，特别是临床科研中许多资料是记数资料，就需要用到卡方查验.方差阐发用方差阐发比较多个样本均数,可有效地控制第一类错误.方差阐发(analysis of variance,ANOVA)由英国统计学家R.A.Fisher首先提出，以F命名其统计量，故方差阐发又称F查验.其目的是推断两组或多组资料的总体均数是否相同，查验两个或多个样本均数的差别是否有统计学意义.我们要学习的主要内容包含单因素方差阐发即完全随机设计或成组设计的方差阐发（oneway ANOVA）：用途：用于完全随机设计的多个样本均数间的比较，其统计推断是推断各样本所代表的各总体均数是否相等.完全随机设计（completely random design）不考虑个别差别的影响，仅涉及一个处理因素，但可以有两个或多个水平，所以亦称单因素实验设计.在实验研究中按随机化原则将受试对象随机分派到一个处理因素的多个水平中去，然后不雅察各组的试验效应；在不雅察研究（调查）中按某个研究因素的不合水平分组，比较该因素的效应.两因素方差阐发即配伍组设计的方差阐发（twoway ANOVA）：用途：用于随机区组设计的多个样本均数比较，其统计推断是推断各样本所代表的各总体均数是否相等.随机区组设计考虑了个别差别的影响，可阐发处理因素和个别差别对实验效应的影响，所以又称两因素实验设计，比完全随机设计的查验效率高.该设计是将受试对象先按配比条件配成配伍组（如动物实验时，可按同窝别、同性别、体重相近进行配伍），每个配伍组有三个或三个以上受试对象，再按随机化原则辨别将各配伍组中的受试对象分派到各个处理组.值得注意的是，同一受试对象不合时间（或部位）重复多次丈量所得到的资料称为重复丈量数据（repeated measurement data），对该类资料不克不及应用随机区组设计的两因素方差阐发进行处理，需用重复丈量数据的方差阐发.方差阐发的条件之一为方差齐，即各总体方差相等.因此在方差阐发之前，应首先查验各样本的方差是否具有齐性.经常使用方差齐性查验（test for homogeneity of variance）推断各总体方差是否相等.本节将介绍多个样本的方差齐性查验，本法由Bartlett于1937年提出，称Bartlett法.该查验办法所计较的统计量从命散布.经过方差阐发若拒绝了查验假定，只能说明多个样本总体均数不相等或不全相等.若要得到各组均数间更详细的信息，应在方差阐发的根本上进行多个样本均数的两两比较.。
i ng si n第四章 t 检验和单因素方差分析命令与输出结果说明·单因素方差分析单因素方差分析又称为Oneway ANOVA ,用于比较多组样本的均数是否相同，并假 定：每组的数据服从正态分布,具有相同的方差，且相互独立，则无效假设。
原假设：H 0:各组总体均数相同。
在STATA 中可用命令：oneway 观察变量 分组变量[, means bonferroni]其中子命令bonferroni 是用于多组样本均数的两两比较检验。
例：测定健康男子各年龄组的淋巴细胞转化率(%)，结果见表，问:各组的淋巴细 胞转化率的均数之间的差别有无显著性？健康男子各年龄组淋巴细胞转化率(%)的测定结果:11-20 岁 组：58 61 61 62 63 68 70 70 74 7841-50 岁 组：54 57 57 58 60 60 63 64 6661-75 岁 组：43 52 55 56 60用变量x 表示这些淋巴细胞转化率以及用分组变量group=1，2，3分别表示 11-20岁组，41-50岁组和61-75岁组,即：数据表示为：x 586161626368707074785457group 111111111122x 575860606364664352555660group 222222233333则 用 STATA 命 令：oneway x group, mean bonferroni| Summary of xgroup | Mean ①-------------+------------1 | 66.52 | 59.8888893 | 53.2------+------------Total | 61.25 ②Analysis of VarianceSource SS df MS F Prob > F------------------------------------------------------------------------------- Between groups 616.311111③ 2 ④ 308.155556⑤ 9.77⑥ 0.0010⑦Within groups 662.188889⑧ 21⑨ 31.5328042⑴-------------------------------------------------------------------------------Total 1278.50 23 55.586956（2）Bartlett's test for equal variances:chi2(2) = 2.1977 （3）Prob>chi2=0.333Comparison of x by group(Bonferroni)Row Mean- |Col Mean | 1 2-------------- --|--------------------------------------2 | -6.61111 （4）| 0.054 （5）|3 | -13.3 （6） -6.68889（8）| 0.001 （7） 0.134 （9）①对应三个年龄组的淋巴细胞转化率的均数；②三组合并在一起的总的样本均数；③组间离均差平方和；④组间离均差平方和的自由度；⑤组间均方和(即：⑤=③/④)；⑧组内离均差平方和；⑨组内离均差平方和的自由度；（1）组内均方和(即：（1）=⑧/⑨)；⑥为F 统计值(即为⑤/（1）)；⑦为相应的p值；（2）为方差齐性的Bartlett检验；（3）方差齐性检验相应的p值；（4）第二组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（5）第二和第一组均数差的显著性检验所对应p 值；（6）第三组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（7）第三和第一组均数差的显著性检验所对应的 p 值；（8）第三组的淋巴细胞转化率样本均数—第二组的淋巴细胞转化率的样本均数的差；（9）第三和第二组均数差的显著性检验所对应的p 值。
t检验和方差分析的前提条件及应用误区集团标准化工作小组 #Q8QGGQT-GX8G08Q8-GNQGJ8-MHHGN#t检验和方差分析的前提条件及应用误区用于比较均值的t检验可以分成三类，第一类是针对单组设计定量资料的；第二类是针对配对设计定量资料的；第三类则是针对成组设计定量资料的。
后两种设计类型的区别在于事先是否将两组研究对象按照某一个或几个方面的特征相似配成对子。
无论哪种类型的t检验，都必须在满足特定的前提条件下应用才是合理的。
若是单组设计，必须给出一个标准值或总体均值，同时，提供一组定量的观测结果，应用t检验的前提条件就是该组资料必须服从正态分布；若是配对设计，每对数据的差值必须服从正态分布；若是成组设计，个体之间相互独立，两组资料均取自正态分布的总体，并满足方差齐性。
之所以需要这些前提条件，是因为必须在这样的前提下所计算出的t统计量才服从t分布，而t检验正是以t分布作为其理论依据的检验方法。
值得注意的是，方差分析与成组设计t检验的前提条件是相同的，即正态性和方差齐性。
t检验是目前医学研究中使用频率最高，医学论文中最常见到的处理定量资料的假设检验方法。
t检验得到如此广泛的应用，究其原因，不外乎以下几点：现有的医学期刊多在统计学方面作出了要求，研究结论需要统计学支持；传统的医学统计教学都把t检验作为假设检验的入门方法进行介绍，使之成为广大医学研究人员最熟悉的方法；t检验方法简单，其结果便于解释。
简单、熟悉加上外界的要求，促成了t检验的流行。
但是，由于某些人对该方法理解得不全面，导致在应用过程中出现不少问题，有些甚至是非常严重的错误，直接影响到结论的可靠性。
将这些问题归类，可大致概括为以下两种情况：不考虑t检验的应用前提，对两组的比较一律用t检验；将各种实验设计类型一律视为多个单因素两水平设计，多次用t检验进行均值之间的两两比较。
以上两种情况，均不同程度地增加了得出错误结论的风险。
而且，在实验因素的个数大于等于2时，无法研究实验因素之间的交互作用的大小。
组间差异性分析的统计方法
组间差异性分析是统计学中一种常用的方法，用于比较两组或多组数据的差异是否显著。
常用的组间差异性分析统计方法有下面几种：
1.单因素方差分析（ANOVA）：单因素方差分析用于比较三个或三个以上组
之间的平均值是否有显著差异。
2.双因素方差分析（Two-way ANOVA）：双因素方差分析用于比较两个因素
对结果的影响。
3.t 检验：t 检验用于比较两组数据的平均值是否有显著差异。
4.秩和检验（Wilcoxon rank-sum test）：秩和检验用于比较两组数据的中位
数是否有显著差异。
5.Mann-Whitney U 检验：Mann-Whitney U 检验与秩和检验类似，也用于
比较两组数据的中位数是否有显著差异。
这些统计方法都可以用于比较两组或多组数据之间的差异是否显著，但在使用时应根据数据的性质和研究目的选择合适的方法。
