配对t检验和单因素方差分析

配对t检验

一、定义

配对t检验是一种用于比较两个相关样本均值是否有显著差异的方法。它是t检验的一种特殊形式，适用于两个样本之间存在相关性的情况。

二、应用场景

1. 同一组人在不同时间点的测量结果比较。
2. 同一组人在不同条件下的测量结果比较。

三、原理

配对t检验的原理基于两个相关样本之间的差异。通过比较两个样本的均值差异是否显著，来判断两个处理（或时间、条件）之间是否存在差异。

四、计算方法

1. 计算两个样本的差值。
2. 计算差值的平均值和标准差。
3. 计算t值。t值的计算公式为：t = (差值的平均值 - 零假设的差值) / (标准差 / 样本大小的平方根)。其中，零假设的差值为0，表示两个样本的均值相等。
4. 计算p值。p值表示在零假设成立的情况下，观察到t值或更极端的概率。p值越小，说明差异越显著。

五、结果解释

在配对t检验中，我们需要关注t值和p值。如果t值大于临界值，说明两个样本的均值差异显著；如果p值小于显著性水平（通常为0.05），则拒绝零假设，认为两个样本的均值差异显著。

t值（t-statistic）定义：
t值是一个统计量，用于描述样本均数与总体均数之间的离差，以t分布为理论依据。在t检验中，t值用于评估两个或多个样本均值之间是否存在显著差异。

p值（p-value）定义：
p值是在原假设为真时，出现观察样本或更极端样本的概率。它用于评估观察到的数据是否支持拒绝原假设。
p值越小，表示观察到的数据越不支持原假设，也表明该统计量是统计显著的。通常，当p值小于设定的显著性水平（如0.05）时，我们拒绝原假设，认为样本之间的差异是显著的。

单因素方差分析

一、定义

单因素方差分析是检验两个或两个以上的样本均值之间的差异是否具有统计学意义的一种方法，目的是推断两个或两个以上的总体均值是否相同。

二、应用场景

当试验中只有一个因素改变时，称为单因素试验。单因素方差分析适用于这种情况，用于研究该因素对试验指标的影响是否显著。

三、基本思想

方差分析认为，观测变量的变动会受到因素变量和随机变量两方面的影响。观测变量的总变动用总离差平方和（SST）表示，将其分解为组间离差平方和（SSB）和组内离差平方和（SSE）。SSB是由于因素变量的不同水平而引起的观测变量的变动（也称系统误差）；SSE是由于随机因素而引起的观测变量的变动。

四、理论假设

1. 各处理下的样本是随机的。
2. 各处理下的样本是相互独立的。
3. 各处理下的样本分别来自服从正态分布的总体。
4. 各处理下的样本所属总体的方差相等。

五、分析任务

1. 检验该模型中多个总体的均值是否相等。
2. 作为未知参数的估计。

通过单因素方差分析，我们可以判断该因素对试验指标的影响是否显著，进而做出合理的推断和决策。