以前上医学统计学的时候，老师这么教育我们，“医学统计没啥难学的，说到底就是个P”。
PGraphPad Prism（没有？哎，在公众号对话框回复 Graph就可以了啦）在之前的推文中我们都已经介绍过了，可以解决科研中85%以上的科研作图和统计问题，那么今天，我们就用ta来实例操作下，如何科学地选择统计学方法。
今天的内容包括
1.不同种类的t检验应用案例
2.graphpad 做t检验分析
1
graphpad分析软件有两种数据输入方式，一种是自己直接输入，一种是利用模板，也就是'use sample data' 。
当你对某种统计方法不熟练的时候，可以用到'use sample data' 这一版块，接着，可以用自己的数据替换模板中的数据，根据边栏中的提示进行后续的操作。
如果你对某种统计方法很熟练的话，就可以直接在第一个板块中导入或输入自己的数据。
一、T检验
好的，我先来简单归纳一下T检验的类型，我们常用到的是单样本T检验，配对样本T检验和两个不配对样本的T检验。（这些检验的区别从名字上就能分辨出，所以不做进一步解释）接着，是双尾T检验和单尾T检验，双尾T检验是用于比较两个样本之间有没有差异，单尾T检验则是比较A样本是否大于B样本，或A样本是否小于B样本。我们看到，单尾T检验中，除了差异的可能性，还附加了差异的方向，相比双尾T检验，条件更加苛刻。所以，当差异具有统计学意义时，单尾T检验要求P跟T检验放在一起的是F检验，很多人不怎么做科研，对F检验不太重视，其实F检验是很必要的。F检验是等方差，异方差检验，是用于分析两个独立样本样本中的数据离散程度是否会影响两个样本差异的可能性。说到底就是，看看你是实验手法稳不稳定，组内的样本方差大不大，需不需要用Welch’s correction来校正。
Part
1
我们先来看单样本T检验
海军军医大学十五队是一个很牛逼的队，2014级毕业后，有7个同学纷纷把自己的工资条pose在微信群中，其中，工资分别是8.1K，7.4K，6.6K，9.8K，11.1K，30.3K，8.3K。我们来比较这组数据和上海市平均工资8K有没有统计学差异。
我们打开graphpad，在Column图中找到one sample test，键入数据，点击analyse
在跳出来的对话框中选择coloum analyse，设置自己的参数，开始分析
得到分析结果
这个P>0.05，所以差异不具有统计学意义，所以虽然十五队学员工资看上去差异很多，但是实际上和上海市本科生毕业实际平均工资没有统计学差别（数据是我瞎编的，结论我深表怀疑）
Part
2
独立非配对样本的T检验
海军军医大学十五队仍然是一个很牛逼的队，2014级毕业后，有7个同学纷纷把自己的工资条pose在微信群中，其中，工资分别是8.1K，7.4K，6.6K，9.8K，11.1K，30.3K，8.3K。
队干部很自豪地说，我们队是最牛逼的。
但是，这时候八队突然跳出来，说，你们不是最牛逼的，我们才是最牛逼的，我要跟你们比一比。
这是，8队也随机抽了七个毕业生的工资，分别是xxxxx。
好的，我们来比一比。
和上面一样，在右侧键入数据
analyse中选择 t tests，选择非配对的T检验，注意，因为不知道方差齐性如何，所以先不要用welch校正，等运算结果出来观望一下。
得到运算结果，我们看到F检验中，P>0.05，所以，是不需要welch校正的，在上一步中，不勾选校正是正确的。
T检验中P>0.05，所以差异不具有统计学意义，十五队的毕业工资和八队的毕业工资不具有统计学差异，八队的队干部是在扯淡，十五队的队干部也在扯淡，我们都是革命路上的螺丝钉，我们都是同一层级的无产阶级，我们的工资没有统计学差异。
Part
3
配对样本的T检验
海军军医大学十五队是一个很牛逼的队，2014级毕业后，有7个同学纷纷把自己的工资条pose在微信群中，其中，工资分别是8.1K，7.4K，6.6K，9.8K，11.1K，30.3K，8.3K。
然后呢，由于觉得自己工资太低了丢脸，这七个同学一合计，一起参加了同一个任职培训，任职培训后，这七名学员的工资分别变成了xxxxxxxx
任职培训到底有没有用呢？
我们用到配对样本的T检验。
键入，分析
选择配对样本的T检验
得到分析结果
我们在分析结果中看到，配对样本T检验中，P>0.05，所以差异不具有统计学意义，所以，就工资看来，任职教育没啥卵用。
好了，三种T检验的graphpad分析过程都放在上面，数据全是我瞎瘠薄编的，没有任何代表意义，也没有任何流露出我对现实工资的不满意情绪。
Graphpad真的是一个很好用的科研工具，内置足够的函数供数据分析，做出来的图也好看，一般的文章用graphpad肯定够了。
作者简介
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
