示例

您测量了一种肾脏酶在治疗前后的 Km 值（以 nM 为单位）。每次实验都使用不同动物的肾组织。

 

使用传统的配对 t 检验，对照组与受检验组 Km 值的平均差异的 95% 置信区间为-0.72 至 9.72，其中包括零。P 值为 0.07。对照组和处理组之间的差异不够一致，不具有统计学显著性。这是有道理的，因为配对 t 检验看的是差异，而差异不是很一致。

而比率则更加一致，因此进行比率 t 检验是有意义的。治疗/对照比率的几何均值为 2.02，95% 置信区间为 1.88 至 2.16。数据清楚地表明，处理后酶的 Km 约增加了一倍。

用配对 t 检验分析，结果模棱两可。但用比率 t 检验分析数据时，结果非常有说服力--处理使酶的 Km 增加了一倍。

P 值为 0.0005，因此处理的效果在统计学上非常显著。

P 值回答了这个问题：

如果对照值和处理值之间真的没有差异，那么获得像观察值那样远离 1.0 的比率的几率有多大？如果 P 值很小，就证明成对值之间的比值不是 1.0。

描述性统计

描述性统计的分析选项卡只汇总用于配对 t 检验的数据。如果您在一列中有任何数据，但另一列中没有，那么这些值就不会包含在配对 t 检验所包含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。