示例

您测量了治疗前后某种肾脏酶的Km值（单位为nM）。每次实验均使用来自不同动物的肾组织进行。

 

采用常规配对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。

而比率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率几何均值为 2.02，其 95% 置信区间为 1.88 至 2.16。数据清楚地表明，处理使该酶的 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，结果非常有说服力——处理使该酶的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值回答了以下问题：

如果对照组与处理组的数值之间确实没有差异，那么获得与观察值一样远离1.0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。如果某列中有数据而另一列没有，则这些值不会包含在配对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。