Prism 提供了七种用于比较两组数据的相关检验。要在这些检验中进行选择，请在 t 检验参数对话框的“实验设计”选项卡中回答以下三个问题：

实验设计：非配对或配对

当数据列之间存在配对关系时，请选择配对检验。这意味着同一行中的数值彼此相关。

以下是一些示例：

•您在干预前后对每位受试者测量某项变量。

•您以成对形式招募受试者，并根据年龄、族裔和疾病严重程度等变量进行匹配。每对受试者中，一人接受一种治疗，另一人接受另一种替代治疗。

•您多次进行实验室实验，每次都并行处理对照组和实验组。

•您对双胞胎或亲子配对进行某变量的测量。

配对应由实验设计决定，绝不能基于您正在比较的变量。如果您正在比较两组的血压，基于年龄或邮政编码进行配对是可以的，但基于血压进行配对则不可行。

分布假设

许多统计分析对被分析数据的抽样总体都作出了某些假设。检验中常见的假设之一与数据抽样的这些总体的分布有关。Prism 提供了三种选择：

1.正态（高斯）——假设数据来自正态分布。比较各组的平均值

2.对数正态——假设数据采样自对数正态分布。比较各组的几何均值

3.非参数——不假设数据来自特异性分布，而是使用非参数检验。这通常等同于比较组内数据的秩

将“假设采样来自对数正态分布”作为明确选项的功能是随 Prism 10.5 版本引入的，该版本还引入了非配对t检验和韦尔奇 t 检验的对数正态变体。比率配对t检验同样假设采样来自对数正态分布，但该功能在 Prism 的早期版本中就已经存在。

非参数检验并不基于数据来自高斯分布（或任何其他特异性分布）的假设。这可能使其看起来更具吸引力。然而，非参数检验的功效较弱。决定何时使用非参数检验并非易事。

选择检验方法

在定义实验设计并指定样本数据的分布假设后，您需要确定希望 Prism 具体执行哪种检验。

非配对、正态（高斯）分布

Prism 提供两种选择：

1.Welch t 检验。该检验不假设数据采样的两个总体的方差（标准偏差）相等。

2.非配对t检验。该检验假设数据所抽取的两个总体的方差（标准偏差）相等。

许多统计学家建议将韦尔奇 t 检验作为默认选项，而非配对t检验，因为当方差相等时，该检验表现良好；当方差不相等时，它能更好地防止Ⅰ类错误。更重要的是，在现实世界的数据中，方差相等的假设往往不成立。

配对正态（高斯）分布

对于这种实验设计和分布假设，只有一种选择。在此情况下，配对t检验是标准方法，当您预期成对值之间的差异能作为治疗效果的一致度量时，应使用该检验。 若预期成对值的比值能一致地衡量处理效应，则数据很可能实际上是从对数正态分布中抽样的，此时应选择比值配对t检验。

非配对，对数正态分布

Prism 提供两种选择：

1.对数正态性韦尔奇 t 检验。该检验不假设两个总体的几何标准偏差相等

2.对数正态性 t 检验。该检验假设数据采样的两个总体具有相同的几何标准偏差。

与相应的正态（高斯）检验类似，当假设数据来自对数正态分布时，Prism 建议默认使用对数正态韦尔奇 t 检验。 相较于对数正态性 t 检验，推荐使用该检验的理由在于：当几何标准偏差不相等时，它能有效防止Ⅰ类错误；当几何标准偏差相等时，其表现也相当合理。

配对、对数正态分布

对于这种实验设计和分布假设，只有一种选择。在此情况下，比率配对t检验是标准方法，当您预期配对差值的比率是治疗效果的一致度量时，应使用该检验。

非配对、非参数检验

Prism 提供了两种选择：Mann-Whitney检验和Kolmogorov-Smirnov检验。除了遵循您所在实验室或研究领域的传统做法外，很难就如何在两种检验之间进行选择提供具体指导。 两者的主要区别在于：Mann-Whitney检验在检测中位数差异方面具有更高的功效，而Kolmogorov-Smirnov检验在检测分布形状差异方面具有更高的功效。

配对非参数检验

在此情况下只有一种选择。Prism 将执行Wilcoxon配对检验。