配對樣本 t 檢定計算器 - 前後資料

配對樣本 t 檢定（也稱為依賴樣本 t 檢定或配對 t 檢定）是一種參數統計程序，用來判斷兩組相關量測之間的平均差是否顯著不同於 0（或其他假設值）。之所以稱為「配對」，是因為第 1 組中的每個觀測值都對應到第 2 組中的恰好一個觀測值——兩次量測來自同一位受試者、配對的參與者，或同一地點在兩個不同時間點的量測。 最常見的應用是前後比較研究設計：研究者在介入前測量某個特徵（血壓、測驗分數、體重、銷售數字），然後在介入後再次測量。由於同一批個體被量測兩次，兩組並非獨立，而是相關的。如果忽略這種相關性而使用獨立樣本 t 檢定，就會不正確；它會因為沒有考慮到個體間的自然變異，而在處理差值時消除了這些變異，進而低估比較的精確度。 配對 t 檢定的計算關鍵在於把問題化簡為單一樣本問題。對於每一對 i，計算差值 d_i = 第 1 組_i − 第 2 組_i。接著配對 t 檢定要問的是：這些差值的平均數（d̄）是否顯著不同於 0？這樣就把雙樣本問題轉換成對差值進行的單樣本 t 檢定。檢定統計量為 t = (d̄ − μ₀) / (s_d / √n)，其中 μ₀ 是假設的平均差（通常為 0）、s_d 是差值的樣本標準差，而 n 是配對數。在虛無假設下，該統計量服從自由度 df = n − 1 的 Student t 分配。 這個 t 統計量所對應的 p 值，告訴你如果母體真實平均差為 μ₀，觀察到像 d̄ 這樣大（或更大）的平均差有多大的機率。若 p 值低於你選定的顯著性水準 α，就拒絕虛無假設，並得出兩組配對量測之間存在統計顯著平均差的結論。d̄ 的信賴區間提供了真實平均差可能落入的合理範圍，通常比單獨看 p 值更有資訊量。 為了使配對 t 檢定有效，差值 d_i 必須近似服從常態分配。這個假設可透過查看差值的直方圖或常態 Q-Q 圖來檢查。當 n ≥ 30 時，即使個別差值並非完全常態，中央極限定理也會使這個假設較不敏感。對於樣本較小且差值明顯不常態的情況，Wilcoxon 符號等級檢定是對應的非參數替代方法。 常見應用包括醫療療效試驗（用藥前後）、教育研究（前測與後測）、營養與健身研究（基線與追蹤測量）以及商業分析（廣告活動前後的銷售額）。在每一種情況下，關鍵要求都是每一對數值必須來自同一位個人、實體或配對單位，而不是來自兩個獨立群體。