t検定とカイ2乗検定はどちらも統計的検定であり、帰無仮説を検定し、場合によっては棄却するように設計されています。 帰無仮説は通常、何かがゼロである、または何かが存在しないというステートメントです。 たとえば、2つの平均間の差がゼロであるという仮説をテストしたり、2つの変数間に関係がないという仮説をテストしたりできます。
テストされた帰無仮説
t検定は、2つの平均についての帰無仮説を検定します。 ほとんどの場合、2つの平均が等しい、またはそれらの差がゼロであるという仮説をテストします。 たとえば、4年生の男の子と女の子の平均身長が同じかどうかをテストできます。
カイ二乗検定は、2つの変数間の関係についての帰無仮説を検定します。 たとえば、男性と女性が「民主共和党」、「共和党」、「その他」、「まったく投票しない」のいずれかに投票する可能性が高いという仮説を検証できます。
データの種類
t検定には2つの変数が必要です。 1つはカテゴリであり、正確に2つのレベルを持っている必要があり、もう1つは定量的で、平均によって推定可能である必要があります。 たとえば、2つのグループは共和党員と民主党員であり、量的変数は年齢である可能性があります。
カイ二乗検定には、通常2つだけのカテゴリ変数が必要ですが、それぞれに任意の数のレベルがあります。 たとえば、変数は民族グループである可能性があります—白人、黒人、アジア人、アメリカインディアン/アラスカ先住民、ハワイ先住民/太平洋諸島民、その他、多民族。 そして2008年の大統領の選択—（オバマ、マケイン、その他は投票しなかった）。
バリエーション
対応のあるデータをカバーするためのt検定のバリエーションがあります。 たとえば、夫と妻、または右目と左目。 順序データ（つまり、「なし」、「少し」、「いくらか」、「たくさん」などの順序を持つデータ）を処理し、2つ以上を処理するカイ2乗のバリエーションがあります。 変数。
結論
t検定では、「0.05レベルで等しい平均の帰無仮説を棄却できる」または「0.05で等しい平均の帰無仮説を棄却するための証拠が不十分である」と言うことができます。 カイ二乗検定では、「0.05レベルで関係がないという帰無仮説を棄却できる」または「0.05で帰無仮説を棄却するための証拠が不十分である」と言うことができます。 レベル。"