配对样本t检验t值(配对样本T检验t值和p值含义)

最后更新：2022.07.14 04:52

在医学科研论文中，统计学方法是必不可少的应用工具，可以从侧面反映出作者力求使其研究成果更具科学性、代表性。然而，辑文编译在工作中发现，有些作者对统计学理论及其方法的应用缺乏深刻了解，在实际应用中常存在如下问题，从而造成分析结果的失真。

医学科研论文中常见的统计学问题

一、不进行统计学分析，仅凭观察值的大小下结论。某些医学科研论文未对搜集到的资料做任何统计学分析，仅凭观察值的大小，就做出两者之间的差异有无统计学意义的结论。临床研究的结论不仅取决于实验组和对照组之间观察值的绝对值大小，主要取决于随机误差的大小。

一般来说，统计资料仅反映样本的情况，不能简单地将其视为总体的真实写照。既然是样本，就不可避免地存在抽样误差。只有排除了抽样误差的影响后，方可根据样本所提供的信息去推论总体的规律性。而排除抽样误差的最有效手段是正确运用统计学知识，对具体问题提出检验假设，并计算检验统计量，再利用随机变量的概率分布规律作出合理的推断。因此，未对统计资料进行统计学处理，仅凭统计指标的绝对值大小就下结论是很不严谨的，也极易得出错误结论。

二、未注明检验方法、统计量的大小。对论文中搜集到的资料进行了统计学分析，只有假设检验的结论，未注明检验方法、现有样本算得的检验统计量、检验水准、采用的是双侧检验还是单侧检验、P值的确切范围。

三、混淆标准误与标准差的作用。标准差表示数据相对均数的离散程度，而标准误是表示抽样误差大小的指标。有些作者误将标准差用于可信区间的表述，将标准误用于正常值范围的表述。

四、不能正确选择假设检验的方法。每种检验方法都有其适用条件，如t检验要求样本来自正态总体，进行两样本均数比较时，两总体方差应相等。所研究变量的类型不同、设计类型不同、大样本还是小样本等，所用假设检验的方法也不同。如数值变量资料的比较常用t检验，分类变量资料的比较常用卡方检验。同为数值变量资料，配对设计与成组设计比较的t检验方法也不同，若用成组比较的t检验处理配对设计资料，不但浪费信息，还可能得出错误结论。许多作者对明显偏态分布的资料，误用t检验。

五、用t检验进行均数之间的两两比较。将各种试验设计类型视为多个单因素两水平设计，多次用t检验进行均数之间的两两比较，取代方差分析，会使犯第一类错误的概率α增大，即可能把本来无差异的两个总体均数判断为有差异。

六、误用t检验分析重复测量设计资料。重复测量是指对同一实验单位的某些观察指标在部分条件改变的前提下，进行多次重复观测。对于这种数据的统计分析，常误用t检验或一般的方差分析。由于t检验或一般的方差分析要求数据之间相互独立，不存在相关性，而重复资料不能满足这一要求，应采用重复测量设计资料的方差分析。

七、只关心统计结论，忽视差异有无实际意义。直线相关分析中，只关心相关系数的差异是否有统计学意义，而不关心相关系数的大小有无实际意义。

八、不能正确理解假设检验中差异有无统计学意义。论文中常见参数间“差异有统计学意义”或“差异有高度统计学意义”的描述，进而说参数相差很大。统计学上，差异有统计学意义，不应该理解为相差很大；反之差异无统计学意义，不应理解为相差不大，或一定相等。

医学科研论文中常见的统计学问题