为什么要进行等效性检验？
通常，统计检验用于寻找差异。但有时，您的目标是证明两组数据集是等价的。仅得出“无统计学显著差异”这一结论，尚不足以断定两种处理方式是等价的。您确实需要重新思考检验的设计方式。
在大多数实验情境中，您的目标是证明一种处理方式优于另一种。但在某些情况下，您的目标恰恰相反 - 即证明一种处理方式与另一种无法区分，任何差异在实际应用中都无关紧要。 这既可能是研究的全部目标（例如证明某种新剂型的药物与常规剂型同样有效），也可能是对照实验分析的目标 - 在转向探讨具有科学意义的问题之前，先证明系统运行符合预期。
标准统计检验无法用于检验等效性
标准统计检验无法用于检验等效性。
得出“两种治疗方案之间无统计学显著差异”的结论，仅仅意味着您没有足够有力的证据来证明这两种治疗方案会导致不同的结果。这并不等同于说这两种结果是等效的。
若得出“差异统计学显著”的结论，则表明您拥有强有力的证据证明该差异不为零，但无法确定该差异是否足够大，以排除“两种治疗在功能上等效”这一结论。
您必须决定差异需要达到多大程度，才能被视为具有科学或临床意义
在任何实验中，当您应用两种治疗方案时，几乎总是会观察到结果存在某种差异。因此，问题不在于两种治疗是否导致完全相同的结果，而在于结果是否足够接近，以至于在临床或科学上无法区分。究竟多接近才算？这个问题无法一概而论，答案取决于您实验的科学或临床背景。
要探讨等效性问题，首先必须界定一个您认为在科学或临床层面可忽略不计的治疗效应范围。这是一个关键决策，必须完全基于科学或临床依据来制定。
您可以使用置信区间或P值方法来检验等效性
