置信区间

配对t检验用于比较两个配对组别的均值，因此首先应关注这两个均值之间的差异。Prism还会显示该差异的置信区间。如果分析的假设成立，则可以95%的置信度认为，95%置信区间包含两个均值之间的真实差异。

P 值

P 值用于判断两个组平均值之间的差异是否可能由偶然因素造成。它回答了以下问题：

如果两个总体确实具有相同的均值，那么通过随机抽样得到的均值差异与本实验中观察到的差异一样大（或更大）的概率是多少？

传统上，人们常利用P值来简单判断差异是否“统计学显著”，但这种做法并非必要，且往往并不实用。

根据P值的大小不同，您对结果的解读也会有所不同。

t 比值

配对t检验用于比较两组配对数据。它计算每组配对数据之间的差值，并基于“整个总体中的差值服从高斯分布”这一假设来分析该差值列表。

首先，Prism 会计算每组配对数据之间的差值，并记录其正负号。配对t检验的 t 比值等于这些差值的均值除以标准误差。如果 t 比值较大（或为较大的负数），则 P 值会较小。 差值的方向（A列减去B列，或B列减去A列）在t检验对话框的“选项”选项卡中设置。

自由度等于配对数减1。Prism根据t比值和自由度计算P值。

配对充分性检验

使用配对实验设计和配对检验的全部意义在于控制实验变异性。实验中某些无法控制的因素会对“前”和“后”的测量值产生同等影响，因此不会影响“前”与“后”之间的差异。通过仅分析这些差异，配对检验可以校正这些散点来源。

如果配对有效，则预期前后值会同步变化。Prism 通过计算皮尔森相关系数 r 来量化这一现象。基于 r，Prism 计算出一个 P 值，用于回答以下问题：

如果两组数据之间确实完全不相关，那么随机选取的受试者获得的关联系数与实验中观察到的值一样大（或更大）的概率是多少？由于您不关心观察到强负相关性的可能性，因此该 P 值是单尾的。

如果配对有效，r 将为正值，P 值将较小。这意味着两组之间存在显著相关性，因此选择配对检验是合理的。

如果 P 值较大（例如大于 0.05），您应该质疑使用配对检验是否合理。是否采用配对检验的决定不应仅基于这个单一的 P 值，还应考虑实验设计以及您在其他类似实验中观察到的结果。

如果 r 为负值，则说明配对反而适得其反！您原本预期成对值的值会同步变化——如果一个值较高，另一个也较高。但这里的情况恰恰相反——如果一个值较高，另一个值则较低。 这很可能是偶然现象。如果 r 接近 -1，则应重新审视实验设计，因为这是非常不寻常的结果。

描述性统计

描述性统计的“分析”选项卡仅汇总了用于配对t检验的数据。如果某列有数据而另一列没有，则这些值不会包含在配对t检验附带的描述性统计结果中。当然，一般的描述性统计分析会分析所有数据。