SIG 统计 · 方法卡
独立样本 t 检验
比较两个互不重叠的组，在同一个连续指标上的平均水平。
A4 · 一页
黑白可读
sig.net.cn
什么时候用
- 一个二分类分组变量（如实验组/对照组），一个连续因变量。
- 两组来自不同的人或对象，互不配对。
- 关心两组均值差异，而不是整个分布是否相同。
什么时候不该用
- 同一批人前后测，或两组一一配对时，改用配对 t 检验。
- 组数达到 3 组及以上时，改用方差分析。
- 数据严重偏态、样本又很小时，先考虑 Mann-Whitney U 检验。
需要什么数据
- 分组列：恰好两个类别，并说明每个类别代表谁。
- 数值列：连续或近似连续的指标，单位和测量方式一致。
- 在报告中交代样本量、缺失比例与异常值处理方式。
前提假设与检查
- 独立性：同一观测只出现一次；两组人不能互相配对。
- 近似正态：每组分别看直方图或 QQ 图；小样本用 Shapiro-Wilk。
- 方差齐性：Levene 检验；不齐时直接读 Welch 结果。
结果怎么读
- p 值：只在事先设定的 α 下回答“是否有统计学证据”。
- 均值差与 95% CI：差异有多大、方向是什么。
- Cohen’s d：判断差异在实际上是否值得关注。
- Welch 与 Student：方差不齐或样本量悬殊时以 Welch 为准。
三个常见错误
- 把 p > .05 说成“两组没有差异”，而不是“没有观察到足够证据”。
- 方差不齐仍只报 Student t 检验，忽略 Welch 结果。
- 只报 p 值，不报均值差、置信区间和效应量。
APA 报告模板
独立样本 t 检验显示，A 组（M = …, SD = …）与 B 组（M = …, SD = …）的差异达到/未达到统计显著，t(df) = …, p = …, Cohen’s d = …, 95% CI […, …]。
把「…」替换成你的实际数值；显著与否的措辞要按事先设定的 α 与结果如实填写。