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：

如果两个总体均值确实相同，那么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，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。它计算每组配对之间的差异，并基于“总体中所有差异服从高斯分布”的假设来分析这些差异列表。

首先，Prism 会计算每组配对之间的差异，并记录其正负号。配对t检验的 t 比值等于这些差异的平均值除以差异的标准误差。如果 t 比值较大（或为负数且绝对值较大），则 P 值较小。差异的方向（A 列减去 B 列，或 B 列减去 A 列）在 t 检验对话框的“选项”标签页中设置。

自由度等于配对数减去1。Prism根据t比值和自由度计算P值。

配对充分性检验

采用配对实验设计和配对检验的根本目的是控制实验变异性。实验中某些无法控制的因素会对前后测量值产生同等影响，因此不会影响前后差异。通过仅分析差异，配对检验可校正这些散点来源。

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：

如果两组数据实际上完全不相关，那么随机选取的受试者获得与实验中观察到的相关系数大小相当（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 值采用单尾P值。

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），您应质疑使用配对检验是否合理。是否采用配对检验的决策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，则意味着配对反而适得其反！您原本预期成对值会同步变化 - 如果一个值较高，另一个也较高。但在此情况下，情况恰恰相反 - 如果一个值较高，另一个则较低。这很可能是偶然现象。如果 r 接近 -1，您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，这些值将不会包含在配对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。