配对t检验与成组t检验优选方法研究.docVIP

　　配对t检验与成组t检验优选方法研究 【摘要】 通过多组实例数据与极端数据配对t检验与成组t检验结果的比较研究，分析两组数据相关性与两种t检验结果的关系，为优选t检验方法提供科学依据。当rgt;0时，无论Pgt;0.05还是Plt;0.05，配对t检验效能均高于成组t检验。当rlt;0，无论Pgt;0.05还是Plt;0.05，成组t检验效能优于配对t检验。因此决定优选t检验方法的决定因素不在于相关性好差，而主要取决于r值正负。当两组数据相关性越好时，越要重视两种t检验方法的选择，否则会得出错误的结论。 【关键词】 配对t检验; 成组t检验; 检验效能; 相关分析 在日常科技论文编辑审校工作中，经常会遇到对两组数据的t检验。有的文章用了配对t检验，有的则用了成组t检验。为此上网“百度”一下“配对t检验与成组t检验的差别”，则发现了“关于配对t检验效能的研究”一文[1]。通过对该文详细的阅读，结合学习“实用医学统计方法”[2]和“医学统计应用错误的诊断与释疑”[3]，并用简明统计10.31或Primer1.0软件反复演算后终于有了新体会。 　　1 t检验概述 　　t检验是针对符合t分布资料进行两组间差异比较的统计学方法，它只适用于符合正态分布或方差齐性的成组设计的定量资料[3]。虽然多组间比较的方差分析方法也要求资料为定量资料且符合正态分布或方差齐性，特别是当总体分析结果(F检验)有统计学意义时才能进行的多组间的两两比较，却使用了q检验，而不用t检验。这是因为t检验仅能用在单因素两水平设计(包括配对设计和成组设计)和单组设计的定量资料的均值检验场合[3]。如果将其适用范围扩大，无疑会降低t检验的效能，增加出错概率。使本应得出有统计学意义的结果变为无统计学意义，特别是F检验已经得出有统计学意义结果后，就更应重视多组间的两两比较的结果。如果只是直接就用t检验进行两两比较，那么得出的结果不仅无法分析各组数据之间的交互作用大小，而且容易得出错误的结论。 　　在科技论文统计方法中，由于和编辑对统计方法的不断重视，除了比较落后的地区或对统计学不重视的人外，真正出现上述低级错误的文章已经比较少见了，相对比较多见的还是配对t检验与成组t检验如何选择的问题。这是因对配对t检验与成组t检验的了解不是很深造成的，只是在粗略知道配对t检验效能比成组t检验高后多选择配对t检验出现的。其实这样不经过对资料的分析就贸然采用配对t检验，有时得出的结果反而事与愿违，表现为配对t检验的结果反而比成组t检验的检验效能低[1]。另外，当两组资料样本数量不同时很容易就用成组t检验，而两组资料样本数量相等时自然就用配对t检验。这样简单选择也是不对的，因为在两组资料样本数量相等的资料中有的不是配对设计，只是简单的样本数量相等;而在两组资料样本数量不同的资料中，有的是配对设计，只不过没有对缺乏数据的对应项数据进行舍弃。 　　2 t检验比较方法与结果 　　首先，应对要比较的两组资料分别进行正态性检验或方差齐性检验。其次，应对要比较的两组数据进行Pearson法相关分析。最后，分别用两种t检验方法进行检验，并比较结果的优劣。笔者通过对多组数据的反复演算后发现，相关系数与两种t检验结果存在明确的关系，详见以下示例。 　　例1 比较15例心源性休克患者治疗前和治疗后2h收缩压有无差别，数据见表1[2]。表1 15例患者治疗前后收缩压　(1)正态性检验：治疗前数据结果：偏度系数=-0.93,标准误=0.58,u=-1.60,P=0.109;峰度系数=0.18，标准误=1.12,u=0.16,P=0.871。结论: 按α=0.05水准,认为该资料服从正态分布。治疗后数据结果：偏度系数=1.24,标准误=0.58,u=2.14,P=0.032;峰度系数=0.69, 标准误=1.12,u=0.62,P=0.536。结论: 按α=0.05水准,认为该资料不服从正态分布。 　　(2)相关分析：r=-0.33，P=0.224。 　　(3)两种t检验：成组t检验结果为t=-6.99，P=0.000;配对t检验结果为t=-6.05，P=0.000。根据|t|值越大P值越小的规律可看出成组t检验效能高于配对t检验。 　　例2 比较9例慢性苯中毒患者治疗前后白细胞总数有无差异[1]，数据见表2。表2 9例慢性苯中毒患者者治疗前后白细胞总数(1)正态性检验：治疗前数据结果：偏度系数=0.448,标准误=0.72,u=0.62,P=0.532;峰度系数=-0.963,标准误=1.40,u=-0.69,P=0.492。结论: 按α=0.05水准,认为该资料服从正态分布。治疗后数据结果：偏度系数=1.08,标准误=0.72,u=1.51,P=0.132;峰度系数=0.93,标准误=1.40,u=0.67,P=