T检验计算器

下一步

粘贴两个样本数据后选择检验类型(合并双样本、Welch不等方差检验或配对样本),计算器便会返回进行t检验所需的所有参数:样本均值、方差、t统计量、自由度以及通过正则化不完全贝塔函数计算得出的双尾p值。无需使用电子表格、R软件或登录账号。

如何进行t检验

  1. 1

    输入样本1

    使用逗号、空格或新行分隔数值:`12, 15, 14, 10, 13`。

  2. 2

    输入样本2

    格式相同。对于配对检验,样本量必须一致;而对于合并检验和Welch检验,样本量可不同。

  3. 3

    选择测试类型

    合并检验假设方差相等;Welch检验则不作此假设。配对检验适用于同一受试者的前后数据比较。

  4. 4

    阅读结果

    可获得均值、方差、t值、自由度(df)及p值。p值低于0.05被视为常规显著性阈值。

我该选择哪种测试?

场景 用途
两个独立组,方差相似,样本量相近 合并分析
两个独立组,方差或样本量不同 韦尔奇检验
同一受试者两次测量(干预前/后,每人A/B组) 配对设计
单样本与已知均值比较 不适用于此工具(单样本)

当存在不确定性时,Welch检验是更安全的默认选择,该方法可处理方差不等的情况,并在方差相等时退化为合并检验。

正在使用的公式

  • 合并组: t = (x1 - x2) / sqrt( sp^2 * (1/n1 + 1/n2) ) 与 df = n1 + n2 - 2。
  • 韦尔奇(Welch): t = (x1 - x2) / sqrt( s1^2/n1 + s2^2/n2 )(采用韦尔奇-萨瑟斯韦特法测定);df。
  • 配对值: t = mean(d) / (sd(d) / sqrt(n)) 与 df = n - 1;其中 d 表示每对样本间的差异值。
  • P值:采用正则化不完全贝塔函数计算,可获得精确的小样本结果;当自由度(df)≥30时,结果近似服从正态分布。

解读 p 值

  • p < 0.05:传统上称为“具有统计学显著性”,均值相等的零假设不太成立。
  • **p值介于0.05至0.10之间:具有提示意义;常见报道但不值得作为标题重点。
  • p ≥ 0.10:现有样本数据未提供支持均值相等的证据。

显著性并不取决于样本量。在大样本中,微小差异仍可能具有“显著性”;而在小样本中,有意义的差异则可能“不显著”。务必同时报告效应量和p值。

小贴士

在查看数据之前即确定检验方法。仅在发现方差不等后才选择Welch检验会显著提高假阳性率。 对于配对数据,若排序不明显,请自行计算各受试者的差异值,该工具默认行位置一致。 p值为双尾分布。若需进行单尾检验,则需除以2,且仅当检验方向已预先确定时方可使用此方法。 异常值在t检验中占据主导地位。在信任数据结果之前,请先绘制快速直方图。

常见问题

双尾检验,这是大多数论文默认采用的设置。若您事先已预测差异的方向,则将单尾p值除以2。

当样本量不相等或样本方差明显不等时,最新统计学指南建议无论何种情况均采用Welch检验作为默认双样本检验方法。

t检验在数学上可处理每组样本量低至n=2的情况,但当每组样本量n<5时,其置信区间范围极宽,需谨慎解读。

否。对于针对已知均值的单样本检验,需从样本中减去已知均值,并检验差异是否具有零均值;或使用专用的单样本检验工具。

您粘贴的数字会发送到我们的服务器以执行计算,这也是结果随您输入而实时更新的原因。这些数字不会被存储或记录,页面响应后不会保留任何内容。

相关工具

此工具还提供其他语言版本