统计中的样本是什么意思（统计学中所谓的样本通常指的是什么）

统计中的样本是什么意思？个人申请:最基本的统计方法

在实验研究中，最常见的研究设计是将研究对象随机分为试验组和对照组，以获得两组对象的研究结果，并使用统计方法来比较两组结果的整体差异。当两组结果是定量指标时，研究目标是讨论总体平均值是否存在差异，可以考虑的统计方法是两个样本t检验。

1实例分析

将出生28天的20只大鼠随机分成两组，分别饲以高蛋白和低蛋白饲料，8周后观察其体重（g）。问两种不同饲料组的大鼠体重是否正常？数据见数据库weight.sav.

133、145、112、112、138、99、157、126、121、139、106，115

低蛋白组：118、75、106、87、94、110、102、124130

这个案例来自上一个故事，需要思考:

-这个案例由几个变量组成？

-什么是结局变量？

-结局变量属于什么类型的变量？

-若为定量变量数据，是偏态还是正态分布？

-研究的目的是比较。比较的组数是多少？

这种情况包括两个变量，一个是大鼠的体重（g），另一个是分组变量。研究的主要结果是老鼠的体重，这是定量变量数据；比较组数为两组（高蛋白组和低蛋白组）。本案例的目的是比较两组的总体平均数是否存在统计差异。

3统计分析策略

比较两组定量数据有两种主要方法。一个是两组样本t一种是非参数秩和检验（wilcoxon两个样本秩序和检验)。

一般来说，秩序和检查是t如果t如果检查不合适，就会考虑秩序和检查。因此，在统计分析中，应考虑t检查合适吗？条件满足吗？

总的来说，t对两组、定量、正态、独立、方差的数据进行比较。前两个要求和wilcoxon两样本秩和检验相同，区别在于t检验要求数据符合正态性、独立性和方差齐性三个要求。这里简单解释一下三个性。

正态。正态条件要求每组数据的总体分布为正态分布。一般来说，要求正态检查P>0.05。另外，在实际操作中，P≤0.05，但是，直方图显示大致正态也可以（类似于正态分布）。上一篇文章已经说明了正态性。此外，这里的正态性要求是指每组数据（本例为2组数据）分别满足条件。

独立性。独立性意味着两组数据的观察值是相互独立的，这意味着两组数据没有相互关联。例如，临床研究有两组数据，即14名高血压患者服用降压药前的血压和服用后的血压。显然，如果著名患者服用前血压高，服用后血压不会低；相反，如果服用前血压低，服用后血压不会高，因此两组数据是相关的。一般来说，如果医学研究是随机分组的，那么两组数据通常可以被视为独立的。如果是配对设计，那么两组数据就不是独立的！因此，一般来说，我们可以根据研究和设计来判断独立性的特点。方差齐。方差齐意味着两组数据的方差大致相同。所谓方差是标准差平方，实际上意味着标准差大致相同。例如，有两组数据20±10，20±20。这意味着标准差是两倍，方差是三倍，方差是非常不同的。这种情况不能直接使用t检查。统计软件的论证也是通过统计软件完成的；如果方差不均匀，有类似的替代方法，我稍后介绍。

总结来说：

在这种情况下，独立性是一致的，毕竟这是随机分组设计。

在正态性方面，对本案例进行了分析，采用了多样本正态性检验方法，讨论每个小组是否来自整体正态分布。结果直接发布在这里：

经SW结果是：高蛋白组体重P=0.977，低蛋白组体重P=0.974，两组数据的正态性没有统计意义。

至于方差的齐性，一般与SPSSt结果一起产生，我们稍后围观。

SPSS操作

本日软件操作的SPSS数据库是weight.sav，加入课程组即可获得。

1t检验SPSS操作界面：分析—比较均值—独立样本t检验

2两样本t检查具体参数设置

检验变量放入体重（weight），将分组变量放入分组中（group），同时进行定义组。

定义组：即指定比较哪两组。在本例，我们比较高蛋白和低蛋白组，他们在数据库赋值为1和2，因此这里填写1，2；此处填什么数据，需要和数据库的赋值对应起来，且不能填写文字或者字母，只能填数字。因此提醒诸位：构建SPSS建议在数据库中使用数字，而不是文字或字母。

3两样本t检验分析结果及解释

t检验统计分析有两个表，一个是组统计，另一个是独立样本检验。组统计分别提供两组数据的样本数（n）、平均值（mean）、标准差（SD）、标准误（SE）。

第二第二张表t结果分为三部分

①莱文方差等同性检验：levene上面提到了方差齐性检查t检查应符合方差齐，方差是否相似？这是假设检查结果，显著性是P值，若P>0.05，认为方差齐性，若P≤0.05，可以认为方差不齐。这个问题。P=0.887，所以方差齐。

②这是假设检验的核心结果。结果分为假设等方差(方差齐)两行t我们称检验结果为不假设等方差(方差不均匀)t检验(校正)t检验，SPSS校正自由和t值)，)，

换句话说，如果方差齐，则使用t检查，看第一行t检查结果。如果方差不均匀，一般可以使用t'检验(SPSS校正自由和t看第二行统计分析的结果。

因此，本题方差齐t=2.671，P=0.016，差异具有统计意义。

③这里给出了两组数据平均值、标准误差和差值的95置信区间(95%CI）上下限。

结果及表格的规范表达

根据上表，我们可以得出以下规范结论：

标准文字：高蛋白饲料组大鼠体重为（126.45±17.76）g，低蛋白饲料组大鼠体重（105.11±17.80）g，两组总体重平均值存在统计差异(差值21.34,95%CI4.56-38.13,t=2.67，P=0.016）。

规范统计表(其中一种形式)为:

①如今，越来越多的文章需要提供95%的平均值差异CI,因此，强烈建议您在今后的统计分析中写95%的差值CI。本例的95%CI为（4.56-38.13），以上SPSSt请注意分析结果表中的搜索。

②t可提供检验结果t不能提供值t最好提供值P值，t和P需要斜体。

③小数点一般保留1-2位，其实一位就可以了，P除外。许多杂志需要不同的要求P值提供小位数不同，但P保持3位的值不会错。如果你遇到它，SPSS结果为0.000的，书写成<0.001。

可以看看另外一个文献的表格，同样提供的是多个结局的差值、置信区间和P值。

敲黑板！统计分析结果的文字和表格，三样东西要提供，一样是效应值（本例是差值）、一样是效应值的95%CI、另外一样是P值。以往置信区间往往不受重视，现在必须重视起来！

何种场景可以采用两样本t检验呢？

1. 两组均数比较的研究，如何计算样本量？

比如动物实验，高蛋白组和低蛋白饲料喂养大鼠的动物实验；两组临床试验，比较两种药物收缩压均数有无的差别？

这些研究样本量如何计算？

2021年，郑老师团队，为初学者折腾一个简单又好使的样本量计算小工具，结合公式和EXCEL，非常好使，如果您需要，不妨来下载使用把。当然免费！

详细介绍：这款高校老师制作的免费工具，手把手教你计算样本量！第2版出炉

2.t检验结论取决于研究设计

t检验是最基本的假设检验方法，在随机、对照、平行的实验性研究中，t检验的结论十分可靠，完全证明一个干预措施是否真正产生效果，或者干预措施和定量结局是否存在着因果关系。

但是t检验如果用在非干预性的观察性研究，比如比较男性、女性的体重有无差别，其结论不能说性别是体重的影响因素，只能说男性和女性体重存在着统计学差异，仅此而已。关于观察性研究t检验，后期再进行分析。

因此，t检验结果到底能够说明什么问题，取决于研究设计。

3.t检验三个条件正态性、方差齐性和独立性一般最好遵守，但是条件不是那么死板。

对于独立性，一般情况下都是符合的，除了配对设计之外，所有诸位也不用特别担心。方差齐性，这个条件影响其实不大，无论方差齐不齐，从广义上来说采用的都是t检验。

对于正态性，需要说道说道。上一讲day 2 我介绍过，我们可以把正态性分为三类，以方便操作。

第一：正态性检验P>0.05,中间多两边少的直方图显然是第一个t检验方法

二是正态检查P≤0.05(但一般小样本时P值>0.01）,直方图大致具有中间多、两侧少的特点。我称之为近似正态分布。在这种情况下，可能存在一两个不太极端的异常值，或者临床上该指标是正态的，因此选择样本有点奇怪。虽然属于偏态分布，但t检验也可以用(毕竟用均数描述，t检验更容易理解)；特别是当一组正态分布和另一组近似正态分布时，t检查没有问题。但近似非参数检测方法肯定没有错。因此，可以选择近似正态分布。t根据情况进行检查或非参数检查。例如，你分析多个指标，其中大多数是t检验，一两个指标类似于正态分布，干脆全部使用t相反，如果大部分都是严重偏态分布，即使一两个指标类似正态，也不妨弃用t检验。

第三：严重偏差，正态检查P<0.05，任何一组数据直方图偏态严重，呈一边倒现象。造成这种现象的原因是，有严重的极端值，或者理论上是偏态分布。此时，不应使用它t检验。

有人会问，偏态有多严重，我觉得没有界限，就像t检查和秩序和检查没有明显的界限，所以我设置了一种缓冲(类似正态)。有人建议用偏态系数来评价，我觉得只是增加了事情的复杂性。

4.对比两组较大样本(如100以上样本量)的数据，能否采用严重偏态分布？t检验？

根据互联网上甚至统计教科书，大样本数据可以忽略正态性问题。他们认为，根据中心极限定理，无论样本来自哪种分布，只要样本量足够大（一般认为样本量大于50就足够大或大于100），样本平均值就类似于服从正态分布。因此，当样本量较大时，正态问题可以完全忽略，参数检测方法仍然可以使用。

这是错误的。采用中心极限理论t检查本身没有错。基于平均数t可以比较两组大样本数据均数的差异。我们不能用两组严重的偏态分布来表达数据，也不能用平均来描述数据。t可以说两组均数有没有差异，但均数的差异并不能说明两组严重偏态数据的差异(至少要用中位数来体现)。t即使你是大样本，检验结论也不能反映两组严重偏态数据的分布差异！