Prism 提供了七种相关的检验来比较两个组。要从这些检验中进行选择，请回答 t 检验参数对话框的 " 实验设计"选项卡中的三个问题：

实验设计：非配对或配对

当数据列匹配时，选择配对检验。这意味着同一行上的值彼此相关。

下面是一些本示例：

•在干预前后测量每个受试者的变异性。

•您将受试者招募成对，根据年龄、种族组和疾病严重程度等变量进行匹配。其中一人接受一种治疗，另一人接受另一种治疗。

•多次进行实验室实验，每次平行处理对照组和治疗组。

•测量双胞胎或子女/父母配对的变异性。

配对应由实验设计决定，而绝对不应基于所比较的变异性。如果您要比较两组人的血压，根据年龄或邮政编码匹配组是可以的，但根据血压匹配组是不可以的。

分布假设

许多统计分析都对所分析数据的抽样人群有一定的假设。测试中常见的假设之一就与数据采样人群的分布有关。Prism 提供了三种选择：

1.正态分布（高斯分布）--假设从正态分布中取样。比较各组平均值

2.对数正态性 - 假设从对数正态分布中取样。比较各组的几何均值

3.非参数--不假设数据是从特异性分布中采样的。相反，使用非参数检验。这通常等同于比较组内数据的秩

从 Prism 10.5 版开始，可以明确选择假设从对数正态分布中采样，并引入了非配对 t 检验和韦尔奇 t 检验的对数正态性变体。比率配对 t 检验也假定从对数正态分布中取样，但在 Prism 早期版本中也有提供。

非参数检验并不基于数据是从高斯分布（或任何其他特异性分布）中采样的假设。这可能会让它们看起来更受欢迎。然而，非参数检验的检验力较低。决定何时使用非参数检验并不简单。

选择检验

在定义了实验设计并指定了采样数据的分布假设后，您需要决定 Prism 究竟要执行什么检验。

非配对、正态（高斯）分布

Prism 提供两种选择：

1.韦尔奇 t 检验。该检验不假定数据采样的两个群体的等方差（标准偏差）相等。

2.非配对 t 检验。该检验假设抽取数据的两个群体的等方差（标准偏差）相等。

许多统计学家建议默认使用韦尔奇 t 检验，而不是非配对 t 检验，因为韦尔奇 t 检验在等方差检验时表现良好，而在等方差检验时则能更好地防止 I 型错误。更重要的是，等方差假设在实际数据中经常被违反。

配对、正态（高斯）分布

对于这种实验设计和分布假设，只有一种选择。在这种情况下，配对 t 检验是标准的，当您期望成对值之间的差异能够一致地衡量治疗效果时，就应该使用配对 t 检验。如果您期望成对值的比率是衡量治疗效果的一致指标，那么很有可能您的数据实际上是从对数正态分布中采样的，您应该选择比率配对 t 检验。

非配对、对数正态分布

Prism 提供两种选择：

1.对数正态性韦尔奇 t 检验。该检验不假定两个种群的几何标准偏差相同

2.对数正态性 t 检验。该检验假设数据取样的两个种群具有相同的几何标准偏差。

与正态性（高斯）检验一样，Prism 建议在假设从对数正态分布采样时，默认使用对数正态 Welch's t 检验。与对数正态性 t 检验相比，使用对数正态性 Welch's t 检验的理由是相同的：当几何标准偏差不相等时，它可以防止 I 型误差；当几何标准偏差相等时，它具有合理的性能。

对数正态分布

对于这种实验设计和分布假设，只有一种选择。在这种情况下，比率配对 t 检验是标准的，当您期望配对差异的比率能够一致地衡量处理效果时，应该使用这种检验方法。

非配对、非参数检验

Prism 提供了两种选择：Mann-Whitney 检验和Kolmogorov-Smirnov 检验。除了遵循实验室或领域的传统外，很难提供选择一种检验或另一种检验的指导原则。主要区别在于，Mann-Whitney 检验检测中位数差异的检验力更强，但 Kolmogorov-Smirnov 检验检测分布形状差异的检验力更强。

配对非参数检验

在这种情况下，只有一种选择。Prism 将执行 Wilcoxon 配对符号秩检验。