t检验（t-test/Student’s t-test）是医学统计分析中一种最简单、最常用的统计检验方法，主要适用于样本量较小（一般n<30）且总体标准差s未知的服从正态分布的计量资料。医学论文中t检验最常见的三种用法：单样本t检验，配对样本t检验和两样本t检验。

单样本t检验，即已知样本均数与已知总体均数的比较，应用前提：样本所在总体方差未知，数据服从正态分布或近似正态分布；配对样本t检验，适用于配对设计的计量资料，应用前提：两组样本的差值服从正态分布或近似正态分布；两样本t检验又称成组t检验，检验两独立样本的均值是否相等，应用前提：两样本独立，两组样本资料服从正态分布或近似正态分布。若两总体方差相等则采用普通两独立样本t检验，否则采用t’检验。

医学论文中易错点。医学论文中比较常用的是两样本t检验，但是经常忽略该检验方法应用前提。（1）小样本量数据未进行正态性检验，而且应是对两组数据分别做正态性检验，一些研究者经常把两组数据放在一起做检验或者不做检验。（2）忽略方差齐性检验，对于小样本量的t检验，数据服从或者近似服从正态分布是必要前提，但是方差齐性检验有助于选择采用t检验还是t’检验。一些医学文章中样本数据只要服从正态分布就直接采用t检验结果而不考虑方差齐性检验结果。

t检验应用补充说明。（1）样本量较小时，若服从或近似服从正态分布，推荐使用t检验，若不满足则采用非参数检验；样本量较大且不满足正态分布时，t检验和非参数检验都可以（不完全因为中心极限定律，可以参考《高等数理统计第二版》）。（2）针对服从或近似服从正态分布的大样本量数据，可以采用t检验或者μ检验。（3）正态性检验，一是图示法，包括概率图和分位数图，若服从正态分布，数据点应分布在直线附近；二是计算法，常用的有Shapiro-Wilk检验和Kolmogorov–Smirnov检验，前者适用小样本检验而后者则用于大样本的检验。（4）数据正态性转换，t检验应用的必要前提是服从或近似服从正态分布，因此对于非正态分布的数据可以进行对数转换、平方根转换、倒数转换等使其满足正态性前提条件。

您若对文章有疑惑或有统计问题，欢迎留言或者私信小编。