比率 t 检验比较两个匹配组的平均值，假设原始数据的分布遵循对数正态分布。这相当于说，前后比率的对数服从高斯分布。

对数（比率）是否服从高斯分布？

比率 t 检验假设您从成对比率对数服从高斯分布的群体中抽取了成对值。

虽然在样本量大的情况下这一假设并不太重要，但在样本量小的情况下却很重要。用Prism 测试一下这个假设。

配对是否有效？

配对应该是实验设计的一部分，而不是在收集数据后进行的。Prism 通过计算两列数据对数之间的皮尔森相关系数 r 来检验配对是否有效。如果相应的 P 值。如果 P 值很小，则说明两组数据有明显的相关性。这就证明使用配对检验是正确的。

如果该 P 值较大（比如大于 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，不应只考虑这一个 P 值，还应考虑实验设计和其他类似实验的结果。

成对实验是否独立？

只有在成对值是独立的情况下，比率 t 检验的结果才有意义--无论什么因素导致一个成对值过高或过低，都只会影响这一个成对值。

您是在比较两个组吗？

仅使用 t 检验比较两个组。若要比较三个或更多匹配组，可将数值转化为其对数，然后使用重复测量单因素方差分析，再进行后检验。 进行多次 t 检验，一次比较两个组是不合适的。

如果您选择的是单尾 P 值，您的预测正确吗？

如果您选择的是单尾 P 值，您应该在收集数据之前就预测出哪组平均值较大。Prism 并不要求您记录这一预测，而是假定它是正确的。如果您的预测是错误的，那么请忽略报告的 P 值，并说明 P>0.50 。

您关心的是差异还是比率？

在这种情况下，应使用配对t检验，而不是比率 t 检验。