独立样本t检验是什么

问题描述

精选答案

t检验是比较两组数据之间的差异，有无统计学意义； t检验的前提是，两组数据来自正态分布的群体，数据的方差齐，满足独立性。

独立样本t检验（各实验处理组之间毫无相关存在，即为独立样本），该检验用于检验两组非相关样本被试所获得的数据的差异性。S1²和 S2²为两样本方差；n₁ 和n₂ 为两样本容量。扩展资料：选用的检验方法必须符合其适用条件。理论上，即使样本量很小时，也可以进行t检验。（如样本量为10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布，两组方差不会明显不同。如上所述，可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验，或进行更有效的Levene's检验。如果不满足这些条件，可以采用校正的t检验，或者换用非参数检验代替t检验进行两组间均值的比较。

其他回答

IT时代

因为每一对数据就是一个区组(也称随机化约束)，区组内两数的波动可能存在相关，即配对两数的差值可能比同一样本内数据波动小。

如果把双样本t检验看做方差分析(由于区组的存在，导致没有完全随机化安排试验)，配对t检验的实质是用随机效应的交互作用(处理间×区组间)来估计误差项。此时的交互作用均方和等于处理(主效应因子)的均方和的随机部分。

如果是独立t检验，相当于方差分析模型中删除了区组因子，转到误差项里，MSe通常会大很多。所以2类错误可能会大很多。(注意由于只是在区组内随机化安排实验，所以虽能算出区组的方差，却无法精确检验其显著性。非区组因子仍然可以按普通方差分析处理。)

理论上存在着区组间不完全随机时，交互作用很大，但区组效应很小(不显著)的情况。但通常区组之间是很容易随机化的，这种情况不需要考虑。

如果仅仅想证明改进效果或控制因子是有用的(即筛选因子)，配对t检验是合适的。但由于区组因子的干扰，直观效果可能被掩盖。

在无法判断是否存在配对(即区组)时，通常两种t检验一起做，并比较结果。

当配对t检验显著性明显高于独立双样本t检验时，说明区组效应大，配对t检验更有效。

但两者结果显著性差不多时(注意这里有点主观)，应采用后者。因为后者误差的自由度多一倍，对误差的估计更准。

由于区组因子无法准确检验显著性，所以存在一点主观性，需要根据实际情况灵活处理，必要时，两个结果一起列出。不要把应用统计学当成数学，应用统计学是需要一定灵活性的。