Det oberoende, eller oparade, t-testet är ett statistiskt mått på skillnaden mellan medelvärdet av två oberoende och identiskt fördelade urval. Du kanske till exempel vill testa för att avgöra om det finns en skillnad mellan kolesterolnivåerna hos män och kvinnor. Detta test beräknar till värde för data som sedan relateras till ett p-värde för bestämning av signifikans. Ett av de mest erkända statistikprogrammen är SPSS, som genererar en mängd olika testresultat för uppsättningar av data. Du kan använda SPSS för att generera två tabeller för resultaten av ett oberoende t-test.
Gruppstatistiktabell
Hitta gruppstatistiktabellen i datautgången. Den här tabellen rapporterar generella beskrivande statistiska värden som medelvärde, standardavvikelse, etc.
Tolka N-värdena som siffror av prover som testades i var och en av de två grupperna för t-testet. Om man till exempel jämför kolesterolnivåerna för 100 män och 100 kvinnor skulle det ha två N-värden på 100 respektive 100.
Hitta standardavvikelsevärdena och relatera dem till datamängderna. Standardavvikelsen identifierar hur nära uppsättningen av datapunkter inom varje testgrupp är deras respektive medel. En högre standardavvikelse betyder alltså att data är mer spridd över ett brett spektrum av värden jämfört med en mindre standardavvikelse.
Observera standardfelets medelvärde för de två testgrupperna. Detta värde beräknas från standardavvikelsen och provstorleken för populationen och identifierar precisionen för medelvärdet för varje prov. Ett mindre standardfel indikerar att medelvärdet är mer sannolikt att vara det för den verkliga populationen.
Oberoende provtesttabell
Hitta den oberoende provtesttabellen i datautgången. Denna tabell visar de faktiska resultaten från t-testet.
Markera för att avgöra om variansen i de två testgrupperna är likartad. Detta görs genom att titta på resultaten av Levenes test för varianslikhet som ges i tabellen. Lika varianser kommer att betecknas med ett p-värde (betecknat som ”Sig”) större än 0,05 (p>0,05), medan ojämna varianser kommer att visa ett p-värde mindre än 0,05 (p<0,05).
Välj vilken kolumn med siffror du vill använda baserat på om du har lika eller ojämna varianser.
Identifiera p-värdena i “t-test for Equality of Means ” avsnitt i tabellen för att bestämma signifikans. Kolumnen betecknas som ”Sig. (2-svansad)”. De flesta studier utförs på ett 95 % konfidensintervall; sålunda ska ett p-värde mindre än 0,05 tas som signifikant, vilket innebär att det finns en signifikant skillnad i medelvärdena för de två provpopulationer som testades (dvs. det skulle finnas en signifikant skillnad i kolesterolnivåer hos män jämfört med kvinnor i våra föregående exempel).
Observera 95 % konfidensintervall för Skillnad avsnitt av tabellen. Detta värde ger ett intervall för vilket du, med 95 % säkerhet, skulle förutsäga skillnaden i den faktiska populationen baserat på dina resultat. Ett snävare konfidensintervall ger alltså mer avgörande resultat och en bättre uppskattning av den faktiska populationen än ett bredare konfidensintervall.
Saker du kommer att behöva
- SPSS statistikprogram
Två oberoende normalfördelade datamängder att testa
Varningar
Se till att dina två datamängder båda är normalfördelade annars kan resultaten inte vara giltig. Detta kan kontrolleras med ett normalitetstest i SPSS för att se om datamängden passar en standardklockkurva.
