非配对对数正态 t 检验用于比较两个未配对组的几何均值，其假设是这些值来自对数正态分布。如需了解如何选择 t 检验、如何解释结果，以及关于对数正态 t 检验和对数正态分布的一般知识，请参阅其他资料。

总体是否服从对数正态分布？

对数正态非配对t检验假设数据采样自服从对数正态分布的总体。根据中心极限定理，当样本量较大时，这一假设的重要性会降低。

Prism 可在“列统计量”分析中执行正态性检验。了解更多。  

两个总体是否具有相同的几何标准偏差？

对数正态非配对t检验假设两个总体具有相同的几何标准偏差 (GeoSD)。您可以选择不作此假设的 Welch 对数正态性t检验。

Prism 使用 F 检验来检验几何标准差是否相等。该检验的 P 值回答了以下问题：如果两个总体确实具有相同的几何标准差，那么您随机抽取样本时，其几何标准差之比偏离 1.0（或更远）的概率有多大，其偏离程度与您实验中观察到的结果相当？较小的 P 值表明几何标准差不同。

请勿仅依据 F 检验得出结论。还应综合考虑其他类似实验的数据。若您拥有大量既往数据，足以证明几何标准差确实相等，则可忽略 F 检验（除非 P 值极小），并按常规方式解读 t 检验结果。

在某些情况下，发现总体几何标准差不同可能与发现均值不同同样重要。

数据是单样本的吗？

非配对对数正态 t 检验通过比较几何均值的对数之差与该差值的标准误差（由两组的标准误差合并计算得出）来进行。如果数据是配对或匹配的，则应选择配对t检验。如果配对能有效控制实验变异性，那么配对t检验的检验力将强于非配对检验。

这些“误差”是否相互独立？

“误差”一词指每个数值与组几何均值之间的差值。t 检验的结果仅在数据散布具有随机性时才有意义 - 即导致某个数值过高或过低的因素仅影响该单一数值。Prism 无法检验这一假设。 您必须考虑实验设计。例如，如果每个组有六个数值，但这些数值来自每个组的两只动物（各测三次），则这些误差不独立。在这种情况下，某些因素可能导致同一只动物的所有三次测量结果都偏高或偏低。

您是否正在比较恰好两个组？

对数正态检验仅适用于两组比较。若需比较三组或更多组，应采用对数正态单因素方差分析（ANOVA），随后进行多重比较检验。不建议通过多次 t 检验逐对比较两组。进行多重比较会增加偶然发现统计学显著差异的概率，并导致难以解读 P 值及统计显著性结论。 即使您希望使用计划内比较以避免进行多重比较校正，也仍应将其作为单因素方差分析的一部分，从而利用其带来的额外自由度。

两列都包含数据吗？

若需将一组实验数据与理论值（例如100%）进行比较，请勿将该理论值填入一列并执行对数正态性非配对t检验。应改用单样本t检验。

您真的想比较几何均值吗？

非配对t检验用于比较两个组的几何均值。即使两个分布有很大重叠，也可能得到极小的 P 值 - 这清楚地表明总体几何均值存在差异。在某些情况下 - 例如评估诊断试验的有效性 - 您可能更关注分布的重叠程度，而非几何均值之间的差异。

如果您选择了单尾P值，您的预测是否正确？

若您选择了单尾P值，则应在收集任何数据之前预测哪个组的几何均值较大。Prism 虽未要求您记录此预测，但默认该预测是正确的。若您的预测有误，请忽略 Prism 报告的 P 值，并声明 P>0.50。