非配对对数正态性 t 检验比较两个非配对组的几何均值，假设检验值是从对数正态分布中抽样得到的。阅读其他内容，了解选择 t 检验、解释结果以及对数正态 t 检验和对数正态分布的一般知识。

种群是否按对数正态分布分布？

对数正态性非配对 t 检验假定您是从遵循对数正态分布的人群中抽取数据的。由于中心极限定理的存在，在样本量较大时，这一假设就不那么重要了。

作为列统计分析的一部分，Prism 可以执行正态性检验。了解更多。

两个种群的几何标准偏差是否相同？

对数正态性非配对 t 检验假定两个种群具有相同的几何标准偏差 (GeoSD)。 您可以选择韦尔奇对数正态性 t 检验，它不做此假设。

Prism 通过 F 检验来测试 GeoSD 是否相等。该检验的 P 值可以回答这个问题：如果两个种群真的具有相同的 GeoSD，那么你随机抽样选择的样本的 GeoSD 比值与实验中观察到的一样远离 1.0（或更远）的概率是多少？小的 P 值表明 GeoSDs 是不同的。

不要仅根据 F 检验得出结论。还要考虑其他类似实验的数据。如果之前有大量数据让你确信 GeoSD 真的相等，那么就忽略 F 检验（除非 P 值真的很小），像往常一样解读 t 检验结果。

在某些情况下，发现群体具有不同的 GeoSD 可能与发现不同的均值一样重要。

数据是非配对的吗？

非配对正态性 t 检验的原理是比较几何均值对数与差值标准误差之间的差异，差值标准误差是通过合并两组的标准误差计算得出的。如果数据是配对或匹配的，则应选择比率配对 t 检验来代替。如果配对能有效控制实验变异性，那么配对 t 检验将比非配对检验更有检验力。

"误差"是独立的吗？

"误差"一词指的是每个值与组几何均值之间的差值。只有当散布是随机的--导致一个值过高或过低的任何因素只影响这一个值时，t 检验值的结果才有意义。Prism 无法检验这一假设。您必须考虑实验设计。例如，如果每组有六个值，但这些值是从每组的两只动物（一式三份）中得到的，那么误差就不是独立的。在这种情况下，某些因素可能会导致来自某只动物的所有三联值偏高或偏低。

您是在比较两组数据吗？

对数正态性检验只能用于比较两组。若要比较三个或更多组，请使用对数正态性单因素方差分析，然后进行多重比较检验。进行多次 t 检验，一次比较两个组是不合适的。进行多重比较会增加偶然发现统计学显著差异的几率，并且难以解读 P 值和统计学显著性声明。即使您想使用计划内比较来避免多重比较的校正，您仍应将其作为单因素方差分析的一部分来进行，以利用其带来的额外自由度。

两列都包含数据吗？

如果您想将单组实验数据与理论值（也许是 100%）进行比较，请不要将该理论值填入一列，然后进行对数非配对 t 检验。相反，请使用单样本 t 检验。

您真的想比较几何均值吗？

非配对 t 检验比较的是两组的几何均值。即使两个分布有很大的重叠，也有可能出现极小的 P 值--这就是群体几何均值不同的明显证据。在某些情况下，例如评估诊断试验的有用性，您可能更关心分布的重叠程度，而不是几何均值之间的差异。

如果您选择的是单尾 P 值，那么您的预测正确吗？

如果您选择的是单尾 P 值，您应该在收集任何数据之前就预测出哪一组的几何均值更大。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 Prism 报告的 P 值，并说明 P>0.50.