36、统计学中的均值比较：t 检验与 ANOVA 详解

统计学中的均值比较：t 检验与 ANOVA 详解

1. 相关 t 检验的报告

在进行相关 t 检验的报告时，独立 t 检验的报告规则基本也适用于相关 t 检验。例如，R 输出结果显示 t 值为 2.47，自由度为 11，且在 p = 0.031 水平上显著。同时，我们还能看到每组的均值。以下是一个规范的报告示例：
- 平均而言，参与者对真实蜘蛛（M = 47.00，SE = 3.18）的焦虑程度显著高于对蜘蛛图片（M = 40.00，SE = 2.68）的焦虑程度，t(11) = 2.47，p < 0.05，r = 0.60。

在报告时，需注意以下几点：
- 采用标准格式报告每组的均值（和标准误差）。
- 对于检验统计量，使用斜体 t 表示计算的是 t 统计量，括号内放置自由度，然后说明检验统计量的值。
- 概率的表达有多种方式，常见的是报告到标准显著性水平（如 0.05），也可报告精确显著性水平。
- 最后要报告效应量，尽管在发表的论文中不一定总能看到，但我们仍应报告。

应避免写出模糊、缺乏依据的表述，例如：“人们更害怕真实蜘蛛（t = 2.47）”。这样的表述未说明比什么更害怕，未提及自由度，也未表明结果是否具有统计学显著性以及效应是否重要（效应量是多少）。

相关 t 检验小贴士

• 相关 t 检验用于比较来自同一实体的两个均值，例如在两个实验条件中使用相同的参与者。
• 查看 p 值，若小于 0.05，则两个条件的均值存在显著差异。
• 通过均值的值判断条件之间的差异。
• 报告 t 统计量、自由度和显著性