作者:謝維馨/ 有勁生物科技

 

進行研究時,我們常常需要比較兩組資料是否具有顯著差異,而最常用來協助我們判斷差異的統計方法就是t檢定。

 

T檢定是由William Sealy Gosset於1908年所提出,因其筆名為Student,故t檢定又稱為學生t檢定 (Student’s t-test)。依照分析資料的性質,我們可以將t檢定大致分成3種:單一樣品t檢定 (one sample t-test)、獨立樣本t檢定 (Independent sample t-test) 以及成對樣本t檢定 (Paired Samples t-test)。

 

單一樣本t檢定 (one sample test)

當我們想要去檢驗手邊樣本和某特定值之間的關係時,我們會將樣本的平均數和該特定值加以比較 (例如:某班的平均身高是否與全校平均身高有差異),此時則採用單一樣本t檢定來進行檢驗。

 

獨立樣本t檢定 (Independent sample t-test)

獨立樣本t檢定常用來檢驗兩組相互獨立的資料[註]之間是否有顯著差異 (例如:想要知道A、B兩班學生的生物成績是否有顯著差異)。進行檢驗前,我們希望確定每一組樣本平均數的確能夠被互相比較,因此兩組樣本除了需要符合常態分配外,也希望其離散分布的狀況能具有相似性,亦即,樣本的變異數需要具有同質性。

 

於是,在進行獨立樣本t檢定之前,我們會先進行變異數的同質性檢定,若兩組資料的變異數具有同質性,我們便可使用Student’s t-test;反之,若兩組資料的變異數不具同質性,我們則必須對t檢定的自由度做修正,此時會改採修正版的Welch’s t-test來進行檢驗。

 

成對樣本t檢定 (Paired samples t-test)

相較於獨立樣本t檢定之用來比較兩組「獨立樣本」間的平均數差異,成對樣本t檢定則是用來比較兩組「相依樣本」間的平均數差異。

 

舉例來說,當我們今天希望知道某種療程對於肝腫瘤大小是否有明顯作用時,我們就可以使用成對樣本t檢定來進行檢驗:首先,我們從肝腫瘤病患名冊中隨機挑選出一群病患來當作樣本,測量並記錄該群病患治療前的肝腫瘤大小;接著讓這群病患進行治療,待療程結束後再次測量並紀錄病患治療後的肝腫瘤大小。之後,使用成對樣本t檢定來檢驗療程前後的資料變化,若前後資料有顯著差異,我們便認為此療程對肝腫瘤的大小變化的確有影響;反之,則認為此療程對肝腫瘤的大小沒有明顯影響。

 

T檢定是一種常見且容易使用的統計方法,不過被誤用的機率也很高,因此在進行t檢定之前,了解分析資料的性質並選擇最適合的t檢定方法,才能得到正確且具有可信度的分析結果。

 

註:

獨立資料:在機率論中,說明兩個事件獨立,是指在一次的實驗中某一事件的發生不會影響到另一件事情發生的機率,舉例來說:擲一枚公正的銅板時,出現「人頭」的事件與出現「數字」的事件不會互相影響,即為兩事件獨立。

 

官網用CC創用_SA.png

 

arrow
arrow

    Yourgene Health 發表在 痞客邦 留言(2) 人氣()