Parilliset näytteet T-testi Excelissä

Tässä opetusohjelmassa opit suorittamaan ja tulkitsemaan parilliset t-testit Excelillä. Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta .

Parinäytteen t-testi tarkistaa eron havaintojen keskiarvoissa. Käsittelemme siis kvantitatiivisia tietoja ajanjakson ja toisen välillä. Lisäksi käsittelemme aikasarjadataa.

Tämä tulee olemaan hypoteesitesti, jossa on kaikki siihen liittyvät liittimet. Jos haluat oppia lisää hypoteesitestin tekemisestä Excelissä, voit tutustua kirjaani Advancing Into Analytics .

Emme mene liikaa teoriaan, mutta käytämme Excelin Analysis Tool Packia , jossa testaamme 95 %:n merkitsevyystasolla ja käytämme Plos Onen vertaisarvioitua tietojoukkoa .

Periaatteessa haluamme selvittää, onko ryhmän 1 keskiarvoissa eroa ajan 1 ja ajan 2 välillä. Yritämme toistaa tutkimustutkimuksen.

Sisällysluettelo

• Parillisten näytteiden suorittaminen ja tulkinta T-testi
• Johtopäätös

Parillisten näytteiden suorittaminen ja tulkinta T-testi

Mennään eteenpäin ja sukeltakaamme . Voimme suorittaa tämän näytetestillä ja sitten ryhmittelemme uudelleen ja jatkamme sieltä.

Näissä tiedoissa nämä ovat yksittäisiä potilaita. Ne mitattiin jaksolla nimeltä Volume 1 ja sitten annettiin toinen mittaus Volume 2 :ssa .

Meidän on tiedettävä molempien ajanjaksojen mittaukset, muuten emme voi käyttää näitä potilaita tai näitä havaintoja. Se on yksi asia, joka on tiedettävä parinäytteiden t-testistä.

Otetaan Volume 1 & Volume 2 tietojen keskiarvo ja saadaan sitten ero näiden kahden välillä. Näyttää siltä, ​​että Volume 2 on hieman korkeampi 14.07.

Hyvä puoli hypoteesitestauksessa on se, että voimme todella kaivautua tähän ja päättää, onko näkemämme vain sattumaa vai ei.

Seuraavaksi siirry Data- osioon ja valitse sitten Data Analysis Tools . Jos työkalupaketti ei ole sinulle tuttu, voit tutustua kirjaan saadaksesi lisätietoja sen asentamisesta tai tehdä verkkohaun.

Valitse vaihtoehdoista t-Test: Paired Two Sample for Means ja napsauta sitten OK- painiketta.

Tätä ikkunaa varten meidän on syötettävä kaksi aluetta.

Valitse Muuttujan 1 alue -kohdassa koko Volume 1 -tietojen alue painamalla CTRL + Vaihto + nuoli alas . Valitaan myös koko Volume 2 -alue Variable 2 Range -kenttään.

Saimme jokaisessa ryhmässä saman määrän havaintoja, mikä on järkevää, koska tarvitsemme niitä havaintoja jokaiselle potilaalle.

Koska ensimmäisellä rivillä on tunnisteita, valitse Tunnisteet -valintaruutu ja jätä se tyhjäksi Hypothesized Mean Difference -kohdan kohdalla . Se olettaa, että keskimääräinen ero on merkittävästi erilainen kuin nolla. Voimme myös tarkistaa, onko se eri kuin 5 tai -10, mutta 0 on yleisin.

Tulostusaluetta varten voimme laittaa tämän samaan laskentataulukkoon ja sitten napsauttaa OK .

On huomattava, että tämä on hyvin valikkolähtöinen lähestymistapa eron löytämiseen tässä testissä. Näemme samat luvut kuin aiemmin.

Seuraavaksi haluan sinun keskittyvän P(T<=t)>- arvoon, joka on 0,751 . Se tarkoittaa, että se ei todennäköisesti ole merkittävä ero, vaikka tämä luku on tilastollisesti hieman suurempi. Emme voi sanoa, että se on todennäköisesti erilainen kuin 0.

Tavoitteena on jälleen viedä analyysisi seuraavalle tasolle soveltamalla siihen hypoteesitestausta.

Lopuksi tarkastellaan ryhmän 1 tietoja.

Taulukon perusteella voimme nähdä Plos One Journalista, että p-arvo on 0,751. Tämä tarkoittaa, että pystyimme toistamaan tämän raportin tutkimustulokset, mikä on mahtavaa!

Kiitos myös tutkijoille siitä, että heidän tietonsa on julkaistu ja asetettu yleisön saataville, jotta kuka tahansa voi tutustua niihin. 

Useimmiten parinäytteiden t-testiä käytetään, kun kyseessä on interventio, olipa kyseessä lääketiede, markkinointi tai koulutus. Siksi tämä on usein yhteiskuntatieteellinen testi, jonka avulla tiedetään, onko interventiossa tapahtunut muutoksia.

Asian vaikea puoli on kuitenkin se, että meillä on oltava havainnot sekä interventiota edeltävää että jälkikäteen, mikä on usein vaikeaa tehdä yritysympäristöissä.

Johtopäätös

Parinäytteiden t-testi on tilastollinen menettely, jota käytetään kahden toisiinsa liittyvän ryhmän tai näytteen keskiarvojen vertaamiseen. Sitä käytetään yleisesti tilanteissa, joissa sinulla on kaksi toisiinsa liittyvää näytettä, joita haluat vertailla.

Tämä tekee siitä helppokäyttöisen ja kätevän työkalun tutkijoille ja analyytikoille, joiden on nopeasti ja tarkasti verrattava kahden toisiinsa liittyvän ryhmän keskiarvoja.

Kaiken kaikkiaan tämä on olennainen työkalu kaikille, jotka työskentelevät tietojen kanssa ja haluavat tehdä siitä merkityksellisiä johtopäätöksiä.

Kaikki parhaat,

George Mount