Joten otat tilastoja ja tiedät, että sinun on käytettävä t-testiä, mutta olet törmännyt millaiseen t-testiin? Tämä yksinkertainen artikkeli näyttää, kuinka voit määrittää, onko pariliitos, parittamaton vai yksi näyte t-testi sopiva omassa tilanteessasi.
Kysy itseltäsi: Haluanko verrata kahden ryhmän keskiarvoja vai välitänkö vain siitä, miten yhden ryhmän keskiarvo verrataan johonkin lukuun? Jos haluat verrata kahden ryhmän keskiarvoja, jatka vaiheeseen 2.
Jos kuitenkin välität vain siitä, kuinka yhden ryhmän keskiarvo verrataan yhteen lukuun, käytä yhden näytteen t-testiä. Esimerkkejä tapauksista, joissa yhden otoksen t-testi on sopiva, olisi, jos testataan, kuluttaako keskimääräinen opiskelija huomattavasti enemmän kuin 2000 kaloria päivässä (esimerkiksi verrataan kulutettujen kaloreiden keskimääräistä määrää nähdäksesi, onko se merkittävästi suurempi kuin määrä 2000).
Jos verrataan kahden ryhmän keskiarvoja, kysy seuraavaksi itseltäsi: Tulivatko kaksi vertailtavaa numeroryhmää samoilta ihmisiltä? Jos näin on, meidän on käytettävä paritettujen näytteiden t-testiä (tunnetaan myös nimellä toistettujen näytteiden t-testi).
Oletetaan esimerkiksi, että verrataan jokaisen ihmispainoa ihmisryhmään, ennen kuin he menivät ruokavalioon, painoonsa ruokavalio-ohjelman jälkeen. Haluamme tietää, onko jokaisen henkilön paino ohjelman jälkeen merkittävästi suurempi kuin heidän painonsa etukäteen. Kaksi vertailtavaa numerosarjaa tulee samalta joukolta ihmisiä: yksi joukko edustaa heidän painojaan ennen hoitoa ja toinen joukko edustaa heidän painojaan hoidon jälkeen. Tätä kutsutaan aiheiden sisällä olevaksi muuttujaksi. Käytä tällöin parillisten näytteiden t-testiä (tunnetaan myös nimellä toistettujen näytteiden t-testi).
On vielä yksi tapaus, jossa parillisten näytteiden t-testi on tarkoituksenmukainen: jos tutkija tekee "sovitetun" mallin, jossa he valitsivat tarkoituksellisesti parit kohteet, jotka ovat samanlaisia eri ominaisuuksiltaan (esim. ikä, sukupuoli, sairaushistoria jne.) Milloin tahansa ensimmäisen ja toisen ryhmän numerot paritetaan, on merkityksellinen suhde ensimmäisen pisteytysryhmän arvon ja toisen pisteiden ryhmän vastaavan arvon välillä, pariksi otettujen näytteiden t-testi on sopiva.
Kaikissa muissa tapauksissa, joissa t-testi on sopiva, on parasta käyttää riippumattomien näytteiden t-testiä. Tämä sopii "aiheiden välisiin" malleihin, joissa kahden tutkimusryhmän on tarkoitus erota kriittisessä käsittelyssä. Esimerkiksi, jos testataan kofeiinin vaikutusta kasvien kasvuun, sinulla voi olla kaksi ryhmää: yksi kontrolliryhmä, jolle annettiin vettä, ja yksi koeryhmä kasveja, joille annettiin kofeiinia ratkaisu. Koska käytät täysin erilaisia kasveja kussakin ryhmässä, kahden ryhmän pisteiden välillä ei ole merkityksellistä pariliitosta, ja sinun tulisi käyttää riippumattomien näytteiden t-testiä.
kirjailijasta
Tämän artikkelin on luonut ammattikirjailija, ja sen ovat toimittaneet kokeneet kopiotoimittajat, molemmat pätevät Demand Media Studios -yhteisön jäsenet. Kaikki artikkelit käyvät läpi toimituksellisen prosessin, joka sisältää aiheohjeet, plagiointitarkistuksen, tosiseikkojen tarkistamisen ja muut vaiheet luotettavan tiedon tarjoamiseksi.