非配对对数正态t检验用于比较两个非配对组的几何均值，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检验假设数据是从服从对数正态分布的总体中抽样的。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 Welch 对数正态t检验，该检验不作此假设。

Prism 使用 F 检验来检验几何标准差（GeoSD）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，其偏离程度与实验中观察到的结果相当？较小的 P 值表明几何标准差存在差异。

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GeoSDs存在差异可能与发现均值存在差异同样重要。

数据是单样本的吗？

非配对对数正态 t 检验的原理是将几何均值的对数之差，与通过合并两组标准误差计算出的该差值的标准误差进行比较。如果数据是配对或匹配的，则应改用比率配对 t 检验。 如果配对能有效控制实验变异性，则配对t检验的功效将高于非配对t检验。

这些“误差”是否相互独立？

术语“误差”指的是每个值与该组几何均值之间的差值。t检验的结果只有在数据散布具有随机性时才有意义——即无论是什么因素导致某个值过高或过低，该因素仅影响该单一值。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中的两只动物（各测三次），则这些误差就不是相互独立的。在这种情况下，某些因素可能会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个组之间的比较。若要比较三个或更多组，应使用对数正态单向方差分析（ANOVA），随后进行多重比较检验。不建议通过多次t检验，每次仅比较两个组。 进行多重比较会增加偶然发现统计学显著差异的概率，并使 P 值和统计学显著性结论的解读变得困难。即使您希望使用计划内比较方案来避免进行多重比较校正，也仍应将其作为单向方差分析的一部分进行，以充分利用其带来的额外自由度。

两列都包含数据吗？

若要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实用性——您可能更关注分布之间的重叠程度，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？

如果您选择了单尾P值，您应该在收集任何数据之前就预测出哪个组的几何均值会更大。Prism 不会要求您记录这一预测，但会假设该预测是正确的。如果您的预测有误，请忽略 Prism 报告的 P 值，并说明 P>0.50。