除了传统的表格格式外，您现在还可以直接在“多变量”数据表中运行 t 检验。这为您提供了更大的数据组织灵活性，特别是在处理包含多个测量变量或复杂实验设计的数据集时。

有何新功能

t 检验分析本身并未改变 - 您将获得相同的统计检验、相同的选项以及相同的结果。不同之处在于：

•数据格式：您的数据采用标准数据库或“tidy”格式，行代表观测值，列代表变量

•变量分配：分析参数对话框中新增了“数据”选项卡，您可在其中指定哪个变量包含测量值、哪个变量定义组别，以及哪个变量标识受试者（针对配对设计）

•灵活性：更轻松地处理来自其他程序或数据库的数据，并采用更标准的数据格式，以便进行各种分析和数据整理操作

何时应使用多变量数据表进行 t 检验

有许多理由考虑使用“多变量”数据表进行 t 检验（或相关分析）。选择此数据格式时需考虑的因素：

•将其设为默认选项！其灵活性和标准数据结构使这种数据组织方式既易于操作又便于处理

•您的数据已处于数据库或电子表格格式，且每行对应一个观测值

•您正在从其他统计软件、数据库或数据采集系统导入数据

•您拥有多个测量变量，并希望对同一数据集进行不同的分析

•您正在进行多项相关分析，并希望将所有数据保存在同一张表中

•您更喜欢处理长格式数据

设置 t 检验的不同方法

在处理多变量表格时，您可以根据数据组织方式通过以下三种方式定义 t 检验：

方法 1：一个测量变量和一个分组变量（非配对）

当您遇到以下情况时请使用此方法：

•所有测量值均位于一个变量中，该变量包含变异性

•有一个单独的列用于标识每个测量值所属的组

•独立观察结果（非配对设计）

示例数据结构：

变量赋值：

•响应变量 (Y)：Blood_Pressure

•分组：治疗

方法 2：两个测量列（非配对）

在以下情况下使用此方法：

•两个组别分别存储在不同的列中

•独立观察结果（非配对设计）

•各组观测值数量可能不同

示例数据结构：

变量赋值：

•响应变量 (Y)：Control_BP 且 Drug_BP（两者均被赋值）

•分组：无

方法 3：一个测量列、一个分组变量和一个受试者标识符（配对）

在以下情况下使用此方法：

•所有响应测量值均位于一个变量中

•有一个单独的列用于标识每项测量数据所属的组别

•来自同一受试者的重复测量数据（前后、预后）

•需共同分析的配对数据

•存在连接配对观测值的受试者标识符

示例数据结构：

变量赋值：

•响应变量 (Y)：血压

•分组：时间点

•受试者：PatientID

方法 4：两列测量值和一列受试者标识符（配对）

在以下情况下使用此方法：

•来自同一受试者的重复测量数据（前后、预后）

•需共同分析的配对数据

•一个用于关联配对观测值的受试者标识符

示例数据结构：

变量赋值：

•响应（Y）：治疗前 AND 治疗后（均已赋值）

•受试者：PatientID

•分组：无

重要约束：恰好两个组

t检验的基本要求是必须比较恰好两个组。Prism将对此进行检查，并在以下情况下显示错误：

•您有一个响应变量，且分组变量仅有一个水平（无比较对象）

•您有一个响应变量，且分组变量有 3 个或更多水平（请改用方差分析 ANOVA）

•您指定了超过 2 个响应变量

•仅指定 1 个响应变量且没有分组变量