示例

您测量了肾脏酶在治疗前后的活性（单位为 nM）。每次实验均使用来自不同动物的肾脏组织。

 

使用常规配对t检验，对照组与处理组Km值均值差的95%置信区间为-0.72至9.72，该区间包含零。P值为0.07。对照组与处理组之间的差异不够稳定，因此不具有统计学显著性。这合乎情理，因为配对t检验关注的是差异，而这些差异并不十分稳定。

而比值数据则具有更强的稳定性，因此采用比率t检验更为合理。处理组与对照组的比值几何均值为2.02，其95%置信区间为1.88至2.16。数据清晰地表明，该处理使酶的Km值大约翻了一番。

若采用配对t检验进行分析，结果则模糊拟合。但当采用比率t检验分析数据时，结果极具说服力 - 处理使酶的Km值翻了一番。

P值为0.0005，因此该处理的效果在统计学上具有高度统计学显著性。

P值回答了这个问题：

如果对照组与处理组的数值之间确实没有差异，那么获得一个与1.0相差如此之大的比值的概率是多少？如果P值很小，则表明成对值之间的比值并非1.0。

描述性统计

描述性统计的“分析”选项卡仅汇总了用于配对t检验的数据。如果某列有数据而另一列没有，这些值将不会包含在配对t检验附带的描述性统计结果中。当然，一般的描述性统计分析会分析所有数据。