比率t检验用于比较两个匹配组的均值，其假设是原始数据的分布服从对数正态分布。这相当于说，前后比值的对数服从高斯分布。

对数（比值）是否服从高斯分布？

比率t检验假设您从一个总体中抽取了成对值，且该总体中比值的对数服从高斯分布。  

虽然在样本量较大时这一假设并不太重要，但在样本量较小的情况下却至关重要。请使用 Prism 检验这一假设。

配对是否有效？

配对应作为实验设计的一部分，而非在收集数据后才进行的操作。 Prism 通过计算两列数据对数之间的皮尔森相关系数 r 来检验配对的有效性。如果相应的 P 值较小，则说明两组之间存在显著相关性。这证明了使用配对检验的合理性。

如果该 P 值较大（例如大于 0.05），则应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一 P 值，还应综合考虑实验设计以及其他类似实验的结果。

这些配对数据是否相互独立？

比率t检验的结果仅在数据对相互独立时才有意义——即无论何种因素导致某对数据（成对值）的比率过高或过低，该因素仅影响该一对数据。Prism无法检验这一假设。您必须仔细考虑实验设计。 例如，如果您有六组成对值，但这些值来自三只动物，且每只动物均进行了重复测量，则这些误差并非相互独立。在这种情况下，某些因素可能会导致某只动物的“后-前”差异偏高或偏低。该因素将影响其中两组成对值，因此它们不具有独立性。

您是否正在比较恰好两个组？

t检验仅适用于比较两个组。若要比较三个或更多匹配组，应将数据转换为对数，然后使用重复测量方差分析（单向方差分析），随后进行后检验。不建议分多次进行t检验，每次仅比较两个组。

如果您选择了单尾P值，您的预测是否正确？

若选择单尾P值，您应在收集数据前预测哪个组的平均值较大。Prism 虽未要求您记录该预测，但默认该预测是正确的。若预测有误，请忽略报告的 P 值，并说明 P>0.50。

您关注的是差异还是比值？

比率 t 检验分析成对值之比的对数。其假设是比率是实验效应的一致度量。在许多实验中，您可能会观察到成对值之间的差值是效应的一致度量，而比率则不是。在这些情况下，应使用配对t检验，而不是比率t检验。