Det oberoende, eller opretade, t-testet är en statistisk mätning av skillnaden mellan medel för två oberoende och identiskt fördelade prover. Till exempel kanske du vill testa för att avgöra om det finns en skillnad mellan kolesterolnivåerna hos män och kvinnor. Detta test beräknar ett t-värde för de data som då är relaterade till ett p-värde för bestämning av betydelse. Ett av de mest kända statistiska programmen är SPSS, vilket genererar en mängd olika testresultat för dataset. Du kan använda SPSS för att generera två tabeller för resultaten av ett oberoende t-test.
Gruppstatistiktabell
Hitta tabellen Gruppstatistik i datautgången. I tabellen redovisas generella beskrivande statistiska värden som medelvärde, standardavvikelse etc.
Tolk N-värdena som antalet prov som testats i var och en av de två grupperna för t-testet. Till exempel skulle en jämförelse av kolesterolnivåerna på 100 män och 100 kvinnor ha två N-värden på 100 respektive 100.
Hitta standardavvikelserna och relatera dem till dataseten. Standardavvikelsen identifierar hur nära uppsättningen datapunkter inom varje testgrupp är enligt deras respektive medel. En högre standardavvikelse betyder sålunda att data sprids mer över ett brett spektrum av värden jämfört med en mindre avvikelse.
Observera standardfelvärdet för de två testgrupperna. Detta värde beräknas utifrån standardavvikelsen och provstorleken hos befolkningen och identifierar precisionen av medelvärdet för varje prov. Ett mindre standardfel indikerar att medelvärdet är mer sannolikt att det är för den sanna befolkningen.
Testprov för oberoende prov
Hitta testprovstabellen för oberoende prov i datautgången. Denna tabell ger de faktiska resultaten från t-testet.
Kontrollera om avvikelsen i de två testgrupperna är lika. Detta görs genom att titta på resultaten från Leves test för jämlikhet av avvikelser som ges inom bordet. Lika avvikelser kommer att betecknas med ett p-värde (betecknat som "Sig") större än 0,05 (p> 0,05), medan ojämna avvikelser kommer att visa ett p-värde mindre än 0,05 (p <0,05).
Välj vilken kolumn med siffror du behöver använda baserat på om du har lika eller ojämna avvikelser.
Identifiera p-värdena i "t-test för jämlikhet" i tabellen för att bestämma betydelsen. Kolumnen betecknas som "Sig. (2-tailed)”. De flesta studier utförs på ett 95% konfidensintervall; sålunda skall ett p-värde mindre än 0,05 betraktas som signifikant vilket innebär att det finns en signifikant skillnad i medelvärdena för de två provpopulationer som testats (dvs det skulle finnas en signifikant skillnad i kolesterolnivåerna hos män jämfört med kvinnor i vår föregående exempel).
Observera 95% konfidensintervallet i skillnaden i tabellen. Detta värde ger ett intervall för vilket du med 95% säkerhet skulle förutse skillnaden i den faktiska befolkningen baserat på dina resultat. Således ger ett smalare konfidensintervall mer avgörande resultat och en bättre uppskattning av den faktiska befolkningen än ett bredare konfidensintervall.
Varning
Se till att dina två datasatser både distribueras normalt eller resultaten kan inte vara giltigt. Detta kan kontrolleras med hjälp av ett Normality Test i SPSS för att se om datasetet passar en standardklockkurva.
