廢話不多說，直接開始進入配對T檢驗

簡單的說配對T檢驗就是單樣本T檢驗的變形。用觀察組和對照組相減。得到的差值做單樣本T檢驗。

例：為研究某鐵劑治療和飲食治療營養(yǎng)性缺鐵性貧血的效果，將16名患者按年齡、體重、病程和病情相近的原則配成8對，分別使用飲食療法和補充鐵劑治療的方法，3個月后測得兩組患者血紅蛋白質如表3-1，問兩種方法治療后患者的血紅蛋白值有無差別?

1.SAS

SAS語句：

data ex3_2;

input x1 x2@@;

D=x1-x2;

cards;

113 138 120 116 138 125 120 136 100 110 118 132 138 130 123 110

;

proc univariate normal;

var D;

RUN;

類似單樣本T,我們關注正態(tài)性檢驗和位置檢驗。正態(tài)性檢驗的結果表明，P>0.05,沒有顯著性。認為該樣本符合正態(tài)分布。

再看位置檢驗，Student t,P>0.05沒有顯著性。兩種方法治療后患者的血紅蛋白值沒有差別。

2.SPSS

輸入數(shù)據(jù)

點擊計算變量，計算差值

再對差值進行單樣本T檢驗即可

檢驗正態(tài)性

選擇單樣本T檢驗，這里是沒有配對樣本T檢驗的。

按照單樣本T檢驗的做法。

看sig也就是P值。p>0.05,沒有顯著性。兩種方法治療后患者的血紅蛋白值沒有差別。

3.R語言

x

y

data=x-y

shapiro.test(data)#正態(tài)性檢驗

t.test(x,y,paired=T)

和SAS,SPSS一樣先看正態(tài)性檢驗，再看T檢驗的結果。結論如上。

4.Python

也是和單樣本T檢驗很一樣的做法。結論也是一樣的。

附上一個單樣本T檢驗的鏈接，寫的不夠好，請見諒！！！單樣本T檢驗，如果你想看單樣本T檢驗的資料，這里有一份也是這種style的資料。

從上四種方法中，我看到比較直觀的看到數(shù)據(jù)的變化的是用R和PYTHON。用軟件相比沒那么直接。不過SPSS入門簡單。但是R和Python都是免費的。選哪一種就看個人選擇了。

這是第二篇的整理T檢驗。每個一篇希望能好好復習一下統(tǒng)計學。

總結

以上是生活随笔為你收集整理的python配对t检验_T检验第二篇（SPSS，SAS，R，Python） 配对T检验的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。