置信区间

配对 t 检验比较两个配对组的平均值，因此首先要看两个平均值之间的差异。Prism 还会显示该差异的置信区间。如果分析假设成立，您可以 95% 地确定 95% 置信区间包含均值间的真实差异。

P 值

P 值用于询问两组平均值之间的差异是否可能是偶然造成的。它可以回答这个问题：

如果两个群体真的具有相同的均值，那么随机抽样导致的均值相差（或更大）的几率有多大？

使用 P 值来简单说明差异是否具有 "统计学显著性"是传统的做法，但没有必要，通常也没有用处。

您将根据 P 值的大小对结果做出不同的解读。

t 比率

配对 t 检验比较两个配对组。它计算每组配对组之间的差异，并根据整个群体的差异服从高斯分布的假设分析该差异列表。

首先，Prism 计算每组配对组之间的差异，并跟踪符号。配对 t 检验的 t 比率是这些差异的平均值除以差异的标准误差。如果 t 比值较大（或为较大的负数），则 P 值较小。差异的方向（A 列减 B 列，或 B 列减 A 列）在 t 检验对话框的选项选项卡中设置。

自由度等于对数减 1。Prism 根据 t 比值和自由度数计算 P 值。

检验配对是否充分

使用配对实验设计和配对检验的全部意义在于控制实验变异性。一些在实验中没有控制的因素会对前后的测量结果产生同样的影响，因此它们不会影响前后的差异。通过只分析差异，配对检验可以纠正这些散差来源。

如果配对试验有效，那么前后的测量结果就会同时发生变化。Prism 通过计算皮尔森相关系数 r 来量化这一点：

如果两组真的完全不相关，那么随机抽取的受试者有多大几率会出现与您的实验中观察到的一样大（或更大）的相关系数？P 值为单尾，因为您对观察到强负相关的可能性不感兴趣。

如果配对有效，r 将为正，P 值将很小。这说明两组平均值显著相关，因此选择配对试验是合理的。

如果 P 值较大（如大于 0.05），则应质疑使用配对检验是否合理。你在选择是否使用配对检验时，不应该只考虑这一个 P 值，还应该考虑实验设计和你在其他类似实验中看到的结果。

如果 r 为负值，说明配对会产生反作用！您期望成对值一起移动--如果一个值较高，另一个也会较高。而这里的情况恰恰相反--如果其中一个值较高，另一个值就会较低。这很可能只是偶然现象。如果 r 接近-1，您应该重新审视您的实验设计，因为这是一个非常不寻常的结果。

描述性统计

描述性统计的分析选项卡只总结了用于配对 t 检验的数据。如果您在一列中有任何数据，但另一列没有，那么这些值就不会包含在配对 t 检验的描述性统计结果中。当然，一般描述性统计分析会分析所有数据。