独立样本T检验 | Graphpad prism8统计分析教程 第一期

今天给大家带来Graphpad 的统计分析功能：独立样本T检验的教程！

首先来简单的看一下T检验！

T检验是戈斯特为了观测酿酒质量而发明的。戈斯特在位于都柏林的健力士酿酒厂担任统计学家。戈斯特于1908年在Biometrika上公布T检验，但因其老板认为其为商业机密而被迫使用笔名（学生）。T检验，也叫student t检验（Student's t test）。

T检验的前提条件：①样本数据服从正态或近似正态分布。②T检验属于参数检验，用于检验定量数据（数字有比较意义的），若数据均为定类数据则应使用卡方检验。

T检验仅可对比两组数据的差异

T检验共分为三种方法，分别是独立样本T检验，配对样本T检验和单样本T检验。

独立样本T检验：独立样本T检验用于分析两组不同群组直接定量数据的差异情况，是差异性检验的一种方法。

一、检验数据是否符合正态分布

1.建立Table

2.输入/导入数据，Data 1

3.选择左侧的Results-New Analysis，选择Column analyses中的Normality and Lognormality Tests，点击OK

GraphPadPrism提供了四种检验数据是否呈正态分布的方法，即Anderson-Darling test、D'Agootino-Pearson test、Kolmogoov-Smirnov test和Shapiro-Wilk test。

Kolmogoov-Smirnov test（KS test ）除了正态性检验，还能检验其他数据分布类型，仅适用于连续分布的检验。

Anderson-Darling test 是修改版的 kstest，说是增强版也不为过。也可以做多种分布的检验。

Shapiro-Wilk test 是专门用来做正态性检验的

normaltest 也是专门做正态性检验的，原理是基于数据的skewness和kurtosis，normaltest运用了D’Agostino–Pearson综合测试法

打开分析结果：因为样本量太小，前两种方法不能用，可以看到均通过了正态分布，各方法间可能存在些许差异，但对结果影响不太大！

QQPlot图是用于直观验证一组数据是否来自某个分布，或者验证某两组数据是否来自同一（族）分布。可以看到这些数据几乎在一条线上，符合正态分布。

如果不符合正态分布，则进行非参检验！

二、独立样本T检验

利用上面的数据

1.建立Table

2.输入/导入数据，Data 1

3.选择左侧的Results-New Analysis，选择Column analyses中的t tests，点击OK

设置好参数，点击OK

查看结果：两组样本具有方差齐性，但差异不显著（P>0.05）。

如果方差不齐：需要对数据进行校正。选择好参数，点击OK

可以看到如果校正后，数据服从正态分布，Passed...那一栏会显示Yes，也可以去看P值。

出图：可以参考之前的绘图教程

https://mp.weixin.qq.com/mp/appmsgalbum?action=getalbum&album_id=1368691625987522563&__biz=MzAwOTg5ODYyNQ==#wechat_redirect

这样独立样本T检验的分析过程就结束了！

我就知道你在看👇