配对 t 检验比较两个匹配组的平均值，假设前后差异的分布服从高斯分布。

差异是否服从高斯分布？

配对 t 检验假定您从成对值群体中抽取了成对值，成对值之间的差异服从高斯分布。

虽然对于大样本量来说，这一假设并不太重要，但对于小样本量来说却很重要。使用 Prism 检验这一假设。

请注意，配对 t 检验与非配对 t 检验不同，它不假定两组数据（典型示例中的之前和之后）是从等方差的人群中采样的。

配对有效吗？

配对应该是实验设计的一部分，而不是在收集数据后进行的。Prism 通过计算皮尔森相关系数 r 和相应的 P 值来检验配对是否有效。如果 P 值很小，则说明两组之间存在显著相关。这就证明使用配对测试是正确的。

如果 P 值较大（如大于 0.05），则应质疑使用配对检验是否合理。你在选择是否使用配对检验时，不应只考虑这一个 P 值，还应考虑实验设计和其他类似实验的结果。

配对检验是否独立？

配对 t 检验的结果只有在成对值是独立的情况下才有意义--即导致差异（成对值之间的差异）过高或过低的任何因素只影响这一对。Prism 无法检验这一假设。您必须考虑实验设计。例如，如果您有六对成对值，但这些成对值是从三只动物身上获得的，而且每只动物都进行了重复测量，那么误差就不是独立的。在这种情况下，某些因素可能会导致一只动物的前后差值偏高或偏低。这个因素会影响其中两对，因此它们不是独立的。

您是在比较两个组吗？

仅使用 t 检验比较两组。要比较三个或更多匹配组，请使用重复测量单因素方差分析，然后进行后检验。进行多次 t 检验，一次比较两个组是不合适的。

如果您选择的是单尾 P 值，您的预测正确吗？

如果您选择的是单尾P值，您应该在收集数据之前就预测出哪组平均值较大。Prism 不会要求您记录这一预测，而是假定它是正确的。如果您的预测是错误的，那么请忽略报告的 P 值，并说明 P>0.50 。

您关心的是差异还是比率？

配对 t 检验分析的是配对之间的差异。对于某些实验，您可能会观察到差异之间的变异性非常大。对照值越大，差异就越大。对于这些数据，如果进行比率 t 检验，您会得到更一致的结果。