废话不多说,直接开始进入配对T检验
简单的说配对T检验就是单样本T检验的变形。用观察组和对照组相减。得到的差值做单样本T检验。
例:为研究某铁剂治疗和饮食治疗营养性缺铁性贫血的效果,将16名患者按年龄、体重、病程和病情相近的原则配成8对,分别使用饮食疗法和补充铁剂治疗的方法,3个月后测得两组患者血红蛋白质如表3-1,问两种方法治疗后患者的血红蛋白值有无差别?
![d8d9c2326bbf372f80fbbaa0eed867f3.png](https://i-blog.csdnimg.cn/blog_migrate/fa4eecc68a419e254ec1411a372ccf97.jpeg)
1.SAS
SAS语句:
data ex3_2;
input x1 x2@@;
D=x1-x2;
cards;
113 138 120 116 138 125 120 136 100 110 118 132 138 130 123 110
;
proc univariate normal;
var D;
RUN;
![125b1f557564fd15bdb473eb8bf9224a.png](https://i-blog.csdnimg.cn/blog_migrate/338020e227fbd67d753b9eba05aec543.png)
![fabd82097013d937d14bd40b471c1dca.png](https://i-blog.csdnimg.cn/blog_migrate/667f8ef30efd2e99dbd9511abe9508d9.jpeg)
类似单样本T,我们关注正态性检验和位置检验。正态性检验的结果表明,P>0.05,没有显著性。认为该样本符合正态分布。
再看位置检验,Student t,P>0.05没有显著性。两种方法治疗后患者的血红蛋白值没有差别。
2.SPSS
![13e8fa33ef2ee34f2a3f30e2c3e70008.png](https://i-blog.csdnimg.cn/blog_migrate/df25d8ec96aa2352e2a38702f8cf6968.jpeg)
输入数据
![bd5716232ba6cc1e16fac057f6392d44.png](https://i-blog.csdnimg.cn/blog_migrate/844d08c85253e31971bd3085f7bdc297.png)
点击计算变量,计算差值
![7756ac7a1ce9b39ce9a5078d866e58e9.png](https://i-blog.csdnimg.cn/blog_migrate/f5a9192e0699f7e5d78a8aa5409fb447.jpeg)
![405826620e1fc58b76e7d9f9c520f99d.png](https://i-blog.csdnimg.cn/blog_migrate/412bfa6f14456de493131f8ad1fcc634.png)
再对差值进行单样本T检验即可
检验正态性
![cce4621f24a6f154eedf4e1bdf62fe1d.png](https://i-blog.csdnimg.cn/blog_migrate/c4245083b9688c52fcc020eedceb8213.jpeg)
![f3e188f74bdc58ccb74835db1e8f55fc.png](https://i-blog.csdnimg.cn/blog_migrate/941f243207aeaff0543b08c8c471f314.png)
选择单样本T检验,这里是没有配对样本T检验的。
![69a82444910fc1d0ede91a450c4bfbad.png](https://i-blog.csdnimg.cn/blog_migrate/d34196f513cebd0c4f232850930a5032.png)
![d313131143e6c21efd9380cd988faabb.png](https://i-blog.csdnimg.cn/blog_migrate/d14cf74b5f143d316473d4b9a9274d99.png)
按照单样本T检验的做法。
![fb07627ae4f69d30923fcf9c1af5081b.png](https://i-blog.csdnimg.cn/blog_migrate/9a216b76eb289cbd6932b85626f35b72.png)
看sig也就是P值。p>0.05,没有显著性。两种方法治疗后患者的血红蛋白值没有差别。
3.R语言
x<-c(113,120,138,120,100,118,138,123)
y<-c(138,116,125,136,110,132,130,110)
data=x-y
shapiro.test(data)#正态性检验
t.test(x,y,paired=T)
![d08af9e648044f01ea5e9d93a1e8d7f7.png](https://i-blog.csdnimg.cn/blog_migrate/902b1c02b17f4710a5d287847b642a5c.jpeg)
和SAS,SPSS一样先看正态性检验,再看T检验的结果。结论如上。
4.Python
![533ed93927fa45e4d9f334b66557436d.png](https://i-blog.csdnimg.cn/blog_migrate/a0a012d9fb2548a4e7fc3d30f246fdba.jpeg)
也是和单样本T检验很一样的做法。结论也是一样的。
附上一个单样本T检验的链接,写的不够好,请见谅!!!单样本T检验,如果你想看单样本T检验的资料,这里有一份也是这种style的资料。
从上四种方法中,我看到比较直观的看到数据的变化的是用R和PYTHON。用软件相比没那么直接。不过SPSS入门简单。但是R和Python都是免费的。选哪一种就看个人选择了。
这是第二篇的整理T检验。每个一篇希望能好好复习一下统计学。
![7442de8d3758de89e90eedd0f604e4be.png](https://i-blog.csdnimg.cn/blog_migrate/ddc3c6927dbc2ea082d5f8093899a4fb.png)