t检验-平均值的成对二样本分析如果我分析的数据时增长率，是不是应该也按一般的观测绝对值来进行描述性的统计分析？下面是增长

打开你的excel,工具,加载宏,勾分析工具库,确定.这时候工具里面会有数据分析这个菜单
然后再点击工具,数据分析,下拉选中t检验,再根据提示选定需要分析的列或者是行,并选定输出数据的位置,确定,就可以咯
他们上面的回答我也看不懂,我是实践过的,

1.方差分析可以用analyze->general liner model->univarite
因变量为“生长抑制率”,固定变量为时间和浓度,主效应项为时间和浓度,不考虑交互效应.
2.t检验(修改数据分布：四列,分别为时间为0 24 48 72对应的浓度)
Analyze-> Compare Means->Paired-Sample T Test
将四个变量两两配对组成三对,进行t检验

分别用到两种样本T检验
实验组的前后侧检验、对照组的前后侧检验需要使用配对样本T检验
实验组和对照组的前侧检验、实验组和对照组的后侧检验需要使用独立样本T检验

n表示样本容量,d.f表示自由度 d.f=120时 t分布是正态分布 d.f越大,t分布的图形越“尖”.自由度的确是样本量减一.
二楼的同学,我是现在在大学专门学统计学的...
自由度:d.f.全称 degree of freedom 这个是毋庸置疑的,按照二楼的说法,那n也是自由度?重复了啊.
楼下的自己去看概率论与数理统计的书,或是计量经济学都可以,统计学原理也行.没听说过分位点这个定义的.在查表时有分界点是有的,但是不会写在（）里啊,样该是这样写的 t0.05（下标）=1.96 当n（样本量）趋近于无穷的时候那个检验的标准为1.96 但是n样本量不同时 t0.05（下标）的值不同,0.05是你要求的置信度得来的,比如你要求的置信度为95%时,为1-95%=0.05
还有分位点是根据要求的置信度和样本量得来的,只是查表很麻烦,大样本就有用样本量趋近于无穷时的值来算了,比如1.96.但是要是要求准确的话,还是要查表的,要查表就要样本量啊,您说的和样本量无关...好像不对啊.
二楼的同学,那个t分布只有一个参数为自由度,自由度=n-1,（n为样本容量）
有一些书里面,自由度用n表示,可能会造成误解,认为自由度都是用n表示的,其实不然,在卡方检验,t检验,f检验里,有时会用n表示一个样本的自由度,比如f分布,可能设m和n为两个正态总体的自由度,这只是设定问题啊,
有样本就一定有样本容量的计算,怎么可能检验的时候没有样本容量呢?检验的就是总体中的样本啊,样本容量在任何的样本的检验中都是不可缺少的.
二楼同学可能只是看到了公式而已,却没有认真的理解含义啊.
f检验 卡方检验可能在计算公式有时是用自由度来表示的,但是其实把样本量都包含进去了,比如f检验的值就等于S2x/S2y 没有容量吗?大哥,自由度等于样本容量减一啊.没有样本容量看你怎么算那个检验的数值.

t检验分为独立样本t检验和配对样本t检验
也就是检查两组的均值是否有差别的方法

要看这个显著性水平值是多少?如果小于0.05,就要拒绝零假设.一般005是拒绝零假设的最基本的一个数据了.

是做整体的单样本K-S检验

卡方测验,可以检查年龄病程是否成比例

直接看sig.就好了,sig.小于o.o5就是合格的,至于t值,是与t分布表中的值进行比较,越大表示结论对模型越显著相关.

我用过SPSS,所以知道
这是P值,拒绝原假设的最小显著性水平,也就是临界值,
计算出P 值后,将给定的显著性水平α与P 值比较,就可作出检验的结论:
如果α＞P 值,则在显著性水平α下拒绝原假设.
如果α≤P 值,则在显著性水平α下接受原假设.
在实践中,当α=P 值时,也即统计量的值C 刚好等于临界值,为慎重起见,可增加样本容量,重新进行抽样检验.

理论上是,但可用你的专业知识来解释,样本量过小或代表性不显著等

我觉得一定,配对的意思就是配成对子,你用一般的T检验就行了
如果你是按照配对T检验设计的,在试验过程中存在却失值,而导致,样本的结果不能一一对应.这样只能把不能一一对应的结果删除了!再进行配对T检验.否则无法得到正确的结果

可以呀只要满足小样本,服从正态,方差齐就可以用,来推断差值的总体均数是否为0进行检验假设.

总体正态分布,两样本相互独立.t检验之前要先用F检验检测两样本的方差,方差没显著差异才能继续用T检验.

如果对数据的格式描述更清楚一点就好了。
1-假定两组数据是独立的，请先将两组原始数据合并前为一列，假定这个变量为A，然后再插入一个变量(假定变量命名为B)，指示每个案例的所属组别,例如1,2。
2-然后在SPSS中以此点击Anlysis -compare means- independent sample T test,
3-将原始数据变量A选择到test变量中，指示变量B作为group变量。
4-点击OK即可。

独立样本的T检验
对于相互独立的两个来自正态总体的样本，利用独立样本的T检验来检验这两个样本的均值和方差是否
样本的T检验由“Independent-Sample T Test”过程来完成。
实例
在有小麦丛矮病的麦田里，调查了13株病株和11株健株的植株高度，分析健株高度是否高于病株。其
健株 26.0 32.4 37.3 37.3 43.2 47.3 51.8 55.8 57.8 64.0 65.3
病株 16.7 19.8 19.8 23.3 23.4 25.0 36.0 37.3 41.4 41.7 45.7 48.2 57.8
该数据保存在“DATA4-3.SAV”文件中，变量格式如图4-6，状态变量中：1表示病株，2表示健株。
图4-6
1）准备分析数据
在数据编辑窗口输入分析的数据，如图4-6所示。或者打开需要分析的数据文件“DATA4-3.SAV”。
2）启动分析过程
在主菜单选中“Analyze”中的“Compare Means”，在下拉菜单中选中“Independent -Sample T Te
框。。
图4-7 独立样本T检验窗口
3）设置分析变量
从“Test Variable(s):”从左边的变量列表中选中变量后，点击 右拉按钮后，这个变量就进入到
里，用户可以从左边变量列表里选择一个或多个。本例选择“小麦丛矮病[株高]”。
“Grouping Variable(s):”栏是分组变量栏。从左边的变量列表中选中分组变量后，按 右拉按钮
Variable(s):”框里。本例选择“状态”变量。
“Define Groups”按钮是定义分组变量的分组值。当该按钮可用时，出现图4-8对话框。
图4-8 定义分组值对话框
如果分组变量是离散型数值变量应选择“Use specified values”项，该项下面的“Group 1”和“G
变量值；字符型数据输入相应分组字符。若分组变量是连续型变量，应选择“Cut point”项，分组变
两组。
本例选择“Use specified values”项，在“Group 1”栏输入1；在“Group 2”栏输入2。按“Cont
4）设置其他参数
点击“Options”按钮，打开设置检验的置信度和缺失值对话框。在“Confidence Interval:”
95%；“Missing Values”框里的“Exclude cases analysis by analysis”栏，是只排除分析变量
cases listwise”是排除任何含有缺失值的选择项。
5）提交执行
输入完成后，在过程主窗口中单击“OK”按钮，SPSS输出分析结果如表4-5和表4-6。
6) 结果与分析
结果
表4-5 分组统计量列表 Group Statistics
表4-6 独立样本的检验结果 Independent Samples Test
“Equal vari ances assumed”行是方差齐次性时的t检验判读值； ◦
“Equal vari ances not assumed”行是方差不齐次性时的t检验判读值。 ◦
分析
表4-6“Levene's Test for Equality of Variances”列方差齐次性检验结果：F值为0.038，
不显著。
那么应该从表4-6 的“Equal vari ances assumed”行读取数值。t值是-2.539，Sig. (2-tai
0.019，小于0.05。可以得出结论：病株与健株的株高差异显著。
两组的株高均值之差为13.56，平均病株低于健株13.56。差值的标准误为5.341。

理论上你只有三个样本,也不符合方差分析的样本量,起码要有30个样本数据才可比较
不过硬是要比较的话,也是用方差分析,采用t检验就是比较时就是容易犯两类错误的,正确的应该是采用方差分析.
通过方差分析正明没有显著性,那就说明三组数据之间切实没有明显差异

这个问题不是很大 大样本的界定有的说30 有的说50 只要不是个位数就好了

(X-)代表样本均值
S^2代表样本方差
S^2=[∑(i=1,2,..,n)(Xi-(X-))^2]/(n-1)
=[(∑(i=1,2,..,n)Xi^2)-n(X-)^2]/(n-1)
S代表样本标准差
S=√S^2
比如这组数据
452,459,470,475,443,464,463,467,465
(X-)=(452+459+479+475+443+464+463+467+465)/9
=462
S^2=[(∑(i=1,2,..,9)Xi^2)-9(X-)^2]/8
=(452^2+459^2+470^2+475^2+443^2+464^2+463^2+467^2+465^2-9*462^2)/8
=92.75
S=√S^2=9.6307

T检验,亦称student t检验（Student's t test）,主要用于样本含量较小（例如n

因为每次t检验都存在阿尔法错误,两次以上的检验总的错误概率累积起来就是一个相当大的数字 查看原帖

3个或3个以上的样本比较,请用方差分析,如果只有一个自变量就用单因素方差分析就可以了.

在作两个均数、多个均数的比较时,人们首先想到的是t检验、方差分析的F检验,也就是说这两种检验是作均数比较的常用方法,但因其为参数统计方法,故在应用时要注意其应用条件,一是正态性、二是方差齐性.

要看你的原假设和置信区间
如果置信区间是0.1,则拒绝
如果是0.05,可以不拒绝
t假设假设方差相等
统计假设里面一般有相等的,都是原假设相等

采用非参数检验里面也有相关的检验方法

ttest或者是ttest2,这是matlab自带的.你可以输入help ttest或help ttest2来看他们的帮助,非常方便的.

标准写法是t检验和F检验
t检验有单样本t检验,配对t检验和两样本t检验.
单样本t检验：是用样本均数代表的未知总体均数和已知总体均数进行比较,来观察此组样本与总体的差异性.
配对t检验：是采用配对设计方法观察以下几种情形,1,两个同质受试对象分别接受两种不同的处理；2,同一受试对象接受两种不同的处理；3,同一受试对象处理前后.
F检验又叫方差齐性检验.在两样本t检验中要用到F检验.
从两研究总体中随机抽取样本,要对这两个样本进行比较的时候,首先要判断两总体方差是否相同,即方差齐性.若两总体方差相等,则直接用t检验,若不等,可采用t'检验或变量变换或秩和检验等方法.
其中要判断两总体方差是否相等,就可以用F检验.
t分数这个概念不清楚,不知道你说的是不是自由度.
写的不好,也不知道楼主看明白没,统计的东西就是不太好搞清楚.
如有不当的地方,望指正.

零假设：
独立样本T检验：μ0=0；
配对T检验：μ1-μ2=0；
方差分析：所有的μ都相等。

t值大必然导致p值小,这是必然的结果,因为p值就是根据t值和自由度计算出来的,t值越大则p值越小.p值小于0.05只是说明两组平均值具有统计学差异,这样的结果当然有效.

数据不满足

根据中心极限定理来说,如果样本量大于30,x的抽样分布服从正态分布

你这里做的是单样本T检验,一般我们是看t值对应的sig值来看,是否通过检验,当然也可以直接看t值,如果t值的绝对值越大,说明你的样本数据和比较的数据越显著差异

不能,样本太少不具有代表性.可以的话增大样本容量.

在一次抽样中,参数的估计值与真值的差异有多大,是否显著,这都需要进一步进行统计检验,也就是你上面提到的三种方法,因此,这三个方面都要进行检验的!

重新编码.将考察的选项编为1,其他编为0.这样针对某一个具体的媒体就可将其看做比例的t检验.然后即可针对想检验的媒体逐一进行检验.

这是数据分析的方法,比较难,一般在化学,医学药学等放外面用的多,大学才会接触

要看原始数据的分布状态吧很多经济数据进行分析时会取对数的,具有弹性的含义,易消除异方差,不大会改变数据的性质和关系
麻烦采纳,谢谢!

配对t检验,是单样本t检验的特例.配对t检验：是采用配对设计方法观察以下几种情形,1.配对的两个受试对象分别接受两种不同的处理；2.同一受试对象接受两种不同的处理；3.同一受试对象处理前后的结果进行比较（即自身配对）；4.同一对象的两个部位给予不同的处理.
成组t检验,也称两独立样本资料的t检验,适用于完全随机设计的两样本均数的比较.将受试对象随机分配成两个处理组,每一组随机接受一种处理.

独立样本的T检验过程用于检验两个独立样本是否来自具有相同均值的总体,相当于检验两个正态分布总体的均值是否相等,即检验假设Ho：μ1=μ2是否成立,此检验以T分布为理论基础.
配对样本用于检验两个相关的样本是否来自具有相同均值的正态总体.即检验假设Ho：μ=μ1=μ2=0,实质就是检验差值的均值和零均值之间差异的显著性.此检验任然是以T分布为理论基础.

t检验有三类，单样本t检验，相关样本t检验以及独立样本t检验
最大的差别在于他们本身的概念，单样本t检验指变量与某一单一数值的差异性检验，比如检验某一变量是否不为0，就是和0做比较
相关样本t检验是检验两列配对数据差异显著性的分析，所谓相关或者配对，意思是说这两列变量数据是从同一批被试那里收集来的
独立样本t检验相对于相关样本t检验，用来检验两列独立数据的均值差异，意指数据...

先进行F检验,方差齐,用等方差t检验,方差不齐,用异方差t检验,

这里有一个简单的例子,检验变量在这里是生存时间,分组变量是生存结局（用1或者0编码,表示生存组或死亡组）.定义组通常用不到,它有时可以帮你更方便的分组用的,比如指定某些点作为截断点.

要看是否有提升
我的理解是..实验班你用了新方法, 对照班就是标准的传统方法数据.
直接新方法用在实验班上, 然后和对照版班的词汇三方面数据分别比对t检验总体均值就好了.
抱歉啊, 整个过程你的表述我看起来有点乱...
我只能告诉你, 是否大于0.05都是人为设置的...结果还要看你的置信区间宽度是否合理等等....

自变量太多啦
控制在5个以内回归结果会比较理想

完全一致的
纯数学推导
统计专业研究生工作室为您服务

选C,一般t值越大所对应的p值就小,p小于0.05或是小于0.01就证明有显著性,也就越有理由认为总体均数不一样.

如果所有组的样本数都大于5,对卡方检验的影响可以忽略不计.如果个别小于5的,可以用fisher精确检验或者合并到其他组.
t检验的要求比较高,理论上要求每组在30人以上.实际上不宜相差过大.

T检验（T Test） 什么是T检验 T检验,亦称student t检验（Student's t test）,主要用于样本含量较小（例如n