配对t检验用于比较两个匹配组的均值，其假设是“前后差异”的分布服从正态分布。

这些差异是否服从正态分布？

配对t检验假设您是从一个配对总体的样本中抽取了这些成对值，且成对值之间的差异服从正态分布。  

虽然在样本量较大时，这一假设并不太重要，但在样本量较小时却至关重要。请使用 Prism 检验这一假设。

请注意，与非配对 t 检验不同，配对 t 检验并不假设两组数据（在典型示例中为“前”和“后”）采样自方差相等的总体。

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 通过计算皮尔逊相关系数 r 及相应的 P 值来检验配对的有效性。若 P 值较小，则表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。

这些配对是否相互独立？

配对t检验的结果仅在成对值相互独立时才有意义——即无论何种因素导致（成对值之间的）差异过大或过小，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，如果您有六组配对值，但这些值来自三只动物，且每只动物都进行了重复测量，那么这些误差就不是独立的。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。该因素会影响其中两组数据，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配对组，应使用重复测量方差分析（ANOVA），随后进行事后检验。分多次进行 t 检验（每次比较两个组）是不恰当的。

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？

配对t检验分析的是成对数据之间的差异。在某些实验中，您可能会观察到差异值之间存在极大的变异性。当对照组数值较大时，差异值也会相应增大。对于此类数据，若采用比率t检验，将获得更一致的结果。