手把手教你用 GraphPad 做配對樣本 t 檢驗

2020-11-29 騰訊網

在統計學分析裡，最重要的元素是數據，因為數據的屬性決定了用什麼樣的方式來比較數據，不同的數據比較方式就決定了統計分析方法以及對應的統計圖。

Graphpad prism 8.0是一款強大統計分析軟體，兼有分析數據和作圖的能力。今天給大家介紹一下它的統計分析功能——配對樣本（paired）t 檢驗。

配對 t 檢驗中的數據是每行代表一個不同的主題（或一組不同的匹配數據），用行標題進行標記。請注意，與許多統計程序不同，組和主題不是通過將變量分組來定義的。相反，每列定義一個單獨的組，每行代表一個不同的主題。

為了便於節省時間，我們今天的演示直接以 sample data 來進行。

1.點擊 Create，生成一組系統示例數據。如下圖

2.點擊 Analyze，也可以點擊左側的 Results 的 New Analysis，則會 creat a new analysis，選定 Column analyses 裡的 t test(and nonparametric test)，再勾選右側的 A:male 和 B:female

3.點擊 OK，得到下圖，先假設數據符合正態分布，按照圖示選擇點擊 OK

4.1得到本次 t 檢驗的結果

4.2如果實際的數據不符合正態分布，那麼就是另外的分析過程：

4.3點擊 ok 後就得到 Wilcoxon 檢驗的統計分析結果

「Wilcoxon test」是一種非參數檢驗，無需數據符合正態分布，適合在數據總體方差未知或所知甚少的情況下使用。不過有一個缺點：在數據符合正態分布的情況下，檢驗的準確性比 t 檢驗低。所以常在數據不符合正態分布的情況下使用。

5.完成了兩組配對 t 檢驗，得到了想要的 p 值，統計分析過程到這裡就結束了，剩下的就是做出與之匹配的統計數據圖了。點擊下圖示 Graphs---paired t test data 按下圖示選擇，生成草圖：

6.對草圖進行修飾，雙擊草圖上的點和線，進入 format graph

總結

無論獨立樣本 t 檢驗還是配對樣本 t 檢驗，都是比較的數據之間的差異關係，本文提到的配對樣本 t 檢驗是比較兩組相同對象經過不同處理後所產生的差異比較。比如，兩組老鼠分別注射藥物和安慰劑後，心率的變化情況的比較。配對樣本 t 檢驗要求樣本是配對的。兩個樣本的樣本量要相同；樣本先後的順序是一一對應的。

你們學會了嗎？快在自己的科研實踐中應用起來吧~

題圖來源：站酷海洛 Plus

相關焦點

  • 非參數檢驗-配對樣本的Wilcoxon符號秩和檢驗
    之前我們學習了單樣本的K-S檢驗常用來檢測數據是否滿足正態分布，並不是單樣本t檢驗的代替方法。
  • 第十三講 R-配對樣本Wilcoxon檢驗
    在第十二講 R-配對樣本t檢驗中，我們講到了配對樣本t檢驗的假設條件是兩組間差值分布需要符合正態性。但是，當樣本差值分布非正態，且經過一定的數值轉換嘗試後，仍然無法滿足正態性要求時，配對樣本的Wilcoxon符號秩檢驗成為備選方法，它將非正態樣本的差值的中位數與0進行比較。它是一種非參數樣本檢驗，基於樣本差值的秩次排列，而非平均值。
  • R語言統計篇:配對t檢驗
    單樣本t檢驗；2. 獨立樣本t檢驗；3. 配對t檢驗。往期文章介紹了單樣本t檢驗（R語言統計篇：單樣本t檢驗）以及獨立樣本t檢驗（R語言統計篇：獨立樣本t檢驗），今天介紹配對t檢驗（Paired t-test）。
  • 配對t檢驗-SPSS與Rzhan
    今天介紹配對t檢驗老規矩先看我的思維導圖，通過這個圖可以讓大家對配對t檢驗有一個初步了解
  • 手把手教你用 GraphPad 繪製散點圖
    散點圖在數據統計分析中的作用巨大，一般來說，數據用散點圖來表示顯得比較直觀，更容易理解；並且散點圖更偏向於研究型圖表，可以清晰地反映出變量之間的關係，但這個關係不是簡單的線性回歸關係，可以包括線性關係、指數關係、對數關係等；此外還可以將散點圖用於回歸分析
  • 兩獨立樣本的T檢驗
    在前面幾次更新中，小編已經連續推送單樣本T檢驗和配對設計T檢驗，詳情看這裡：單樣本資料的t檢驗（案例篇），配對設計的t檢驗    兩獨立樣本T檢驗是利用來自兩個總體的獨立樣本，去推斷兩個總體的均值是否存在顯著差異。（現實生活中，我們想比較兩個班級之間的成績；比較城市和農村的幸福指數等。）
  • T檢驗與F檢驗,你分清楚嗎?
    T檢驗和F檢驗至於具體要檢定的內容，須看你是在做哪一個統計程序。舉一個例子，比如，你要檢驗兩獨立樣本均數差異是否能推論至總體，而行的t檢驗。兩樣本 (如某班男生和女生) 某變量 (如身高) 的均數並不相同，但這差別是否能推論至總體，代表總體的情況也是存在著差異呢？
  • 利用python做t檢驗
    當樣本符合正態分布或趨近於正太分布時可以使用；（根據中心極限定理，當樣本n>30時，可認為近似符合正態分布）使用用途：檢驗的總體方差未知，主要檢驗單個樣本是否和已知的總體均值相等；（python使用 ttest_1samp檢驗-雙邊）檢驗兩對獨立的正太數據或近似正太分布的均值是否相等；（python用ttest_ind
  • 樣本量n>30時,還能繼續使用T檢驗嗎?
    在兩個樣本平均數的差異性檢驗中，什麼時候用t檢驗，什麼時候用z檢驗？不少人存在困惑。大家根深蒂固的認識：樣本容量大於30時，用z檢驗；樣本容量小於30時，用t檢驗。這裡，其實存在誤解。T 檢驗和 F 檢驗至於具體要檢定的內容，須看你是在做哪一個統計程序。舉一個例子，比如，你要檢驗兩獨立樣本均數差異是否能推論至總體，而行的 t 檢驗。兩樣本 (如某班男生和女生) 某變量 (如身高) 的均數並不相同，但這差別是否能推論至總體，代表總體的情況也是存在著差異呢？
  • t檢驗的目的_單樣本t檢驗的目的 - CSDN
    舉一個例子，比如，你要檢驗兩獨立樣本均數差異是否能推論至總體，而行的t檢驗。你做的是T檢驗，為什麼會有F值呢?T檢驗和F檢驗的關係另一種解釋：t檢驗有單樣本t檢驗，配對t檢驗和兩樣本t檢驗。單樣本t檢驗：是用樣本均數代表的未知總體均數和已知總體均數進行比較，來觀察此組樣本與總體的差異性。
  • Graphpad 作圖教程|手把手教你繪製柱形圖
    柱狀圖通常表示均值 ± 標準差的數據，數據要求符合正態分布，描述數據的特點或者比較各組數據間的差異，多數情況下採用方差分析和 T 檢驗。舉個例子：現有三組實驗對象，分別命名為對照組、A 組和 B 組。濃度差異用柱形圖來表示。現在我們開始作圖：1.打開 graphpad 軟體，選擇 column 模塊，按下圖進行選擇。2.鍵入數據，完善表格。
  • 通俗理解T檢驗與F檢驗的區別
    3，T檢驗和F檢驗 至於具體要檢定的內容，須看你是在做哪一個統計程序。 舉一個例子，比如，你要檢驗兩獨立樣本均數差異是否能推論至總體，而行的t檢驗。反之，如果方差齊性檢驗「有顯著差異」，即兩方差不齊(Unequal Variances)，故接著的t檢驗的結果表中要看第二排的數據，亦即方差不齊的情況下的t檢驗的結果。 4.你做的是T檢驗，為什麼會有F值呢?
  • T檢驗與F檢驗,傻傻分不清楚?
    T 檢驗和 F 檢驗至於具體要檢定的內容，須看你是在做哪一個統計程序。舉一個例子，比如，你要檢驗兩獨立樣本均數差異是否能推論至總體，而行的 t 檢驗。兩樣本 (如某班男生和女生) 某變量 (如身高) 的均數並不相同，但這差別是否能推論至總體，代表總體的情況也是存在著差異呢？
  • 兩樣本t檢驗 - CSDN
    方差分析與兩樣本T檢驗。1。首先可以看到方差分析（ANOVA）包含兩樣本T檢驗，把兩樣本T檢驗作為自己的特例。因為ANOVA可以比較多個總體的均值，當然包含兩個總體作為特例。實際上，T的平方就是F統計量（m個自由度的T分布之平方恰為自由度為（1，m）的F 分布。因此，這時候二者檢驗效果完全相同。
  • 理解 t 檢驗與 F 檢驗的區別
    至於具體要檢定的內容，須看你是在做哪一個統計程序。舉一個例子，比如，你要檢驗兩獨立樣本均數差異是否能推論至總體，而進行t檢驗。兩樣本(如某班男生和女生)某變量(如身高)的均數並不相同，但這差別是否能推論至總體，代表總體的情況也是存在顯著差異呢？
  • 統計學常用概念|T檢驗、F檢驗、卡方檢驗、P值、自由度
    3，T檢驗和F檢驗至於具體要檢定的內容，須看你是在做哪一個統計程序。舉一個例子，比如，你要檢驗兩獨立樣本均數差異是否能推論至總體，而行的t檢驗。兩樣本(如某班男生和女生)某變量(如身高)的均數並不相同，但這差別是否能推論至總體，代表總體的情況也是存在著差異呢？
  • t檢驗中t值的意義 - CSDN
    顯著性檢驗（significance test）就是事先對總體（隨機變量）的參數或總體分布形式做出一個假設，然後利用樣本信息來判斷這個假設（備擇假設）是否合理，即判斷總體的真實情況與原假設是否有顯著性差異。或者說，顯著性檢驗要判斷樣本與我們對總體所做的假設之間的差異是純屬機會變異，還是由我們所做的假設與總體真實情況之間不一致所引起的。
  • t檢驗 方差分析 - CSDN
    獨立樣本T檢驗：雙總體t檢驗是檢驗兩個樣本平均數與其各自所代表的總體的差異是否顯著。雙總體t檢驗又分為兩種情況，一是獨立樣本t檢驗（各實驗處理組之間毫無相關存在，即為獨立樣本），該檢驗用於檢驗兩組非相關樣本被試所獲得的數據的差異性；一是配對樣本t檢驗，用於檢驗匹配而成的兩組被試獲得的數據或同組被試在不同條件下所獲得的數據的差異性，這兩種情況組成的樣本即為相關樣本。
  • 兩樣本t檢驗原理與R語言實現
    t檢驗也稱為student t檢驗，可以用來比較兩個均值的差異是否顯著，可分為單總體檢驗、雙總體檢驗、配對樣本檢驗。1.1歷史要了解t檢驗，就不得不提及他的發明者威廉·西利·戈塞特（William Sealy Gosset）。
  • 三種T檢驗的詳細區分
    t檢驗的前提條件無論是單樣本T檢驗、獨立樣本T檢驗還是配對樣本T檢驗，都有幾個基本前提：1. 樣本數據服從正態或近似正態分布。配對樣本T檢驗，其默認前提條件是差值數據需要符合正態分布性，如果不滿足，此時可考慮使用單樣本Wilcoxon檢驗進行研究。其實配對樣本T檢驗與單樣本T檢驗的原理是一模一樣，無非是進行了一次數據相減（即差值）處理而已，因而其和單樣本T檢驗保持一致。