つまり、統計を取り、t検定を使用する必要があることはわかっていますが、どの種類のt検定を使用するかについて困惑していますか？ この簡単な記事では、特定の状況で対応のある、対応のない、または1サンプルのt検定が適切かどうかを判断する方法を示します。
自問してみてください。2つのグループの平均を比較したいですか、それとも1つのグループの平均がいくつかの数値とどのように比較されるかだけを気にしますか？ 2つのグループの平均を比較する場合は、ステップ2に進みます。
ただし、単一のグループの平均が単一の数値とどのように比較されるかだけを気にする場合は、1サンプルのt検定を使用してください。 1サンプルのt検定が適切な場合の例は、平均的な学生が大幅に多くを消費するかどうかをテストする場合です。 1日あたり2000カロリーを超える（たとえば、消費されたカロリーの平均数を比較して、その数よりも大幅に多いかどうかを確認している 2000).
2つのグループの平均を比較している場合は、次に自問してください。比較している2つのグループの数値は、同じ人からのものでしたか？ その場合、対応のあるサンプルのt検定（反復サンプルのt検定とも呼ばれます）を使用する必要があります。
たとえば、ダイエットを始める前のグループのすべての人の体重と、ダイエットプログラムを完了した後の体重を比較しているとします。 プログラム終了後の一人一人の体重が、事前に体重よりも大幅に多いかどうかを知りたい。 比較している2つの数値セットは、同じセットの人々からのものです。1つのセットは治療前の体重を表し、もう1つのセットは治療後の体重を表します。 これは、被験者内変数と呼ばれます。 このような場合は、対応のあるサンプルのt検定（反復サンプルのt検定とも呼ばれます）を使用します。
対応のあるサンプルのt検定が適切であるもう1つのケースがあります。それは、研究者が意図的に次のペアを選択する「一致した」設計を行っている場合です。 さまざまな特性（年齢、性別、病歴など）が類似している被験者第1グループと第2グループの番号がペアになっているときはいつでも、 は、スコアの最初のグループの値とスコアの2番目のグループの対応する値の間の意味のある関係です。対応のあるサンプルのt検定は次のようになります。 適切な。
t検定が適切であるその他の場合は、独立サンプルのt検定を使用するのが最善です。 これは、2つのグループの被験者が重要な操作で異なることを意図している「被験者間」設計に適しています。 たとえば、植物の成長に対するカフェインの効果をテストする場合、2つのグループがあります。 水を与えられた対照群、およびカフェインを与えられた植物の1つの実験群 解決。 各グループでまったく異なる植物を使用しているため、2つのグループのスコア間に意味のあるペアリングはなく、独立サンプルのt検定を使用する必要があります。
著者について
この記事は、プロのライターによって作成され、Demand MediaStudiosコミュニティの資格のあるメンバーである経験豊富なコピー編集者によって編集されました。 すべての記事は、信頼できる情報を提供するために、主題のガイドライン、盗用のレビュー、事実の確認、およびその他の手順を含む編集プロセスを経ています。