# 配对 t 检验计算器

根据前后测量值或已计算的配对差值执行配对样本 t 检验

> 标准页面: https://elysiatools.com/zh/tools/paired-t-test-calculator

- **分类:** Math & Numbers

- **关键词:** 配对 t 检验, 前后测, 差值, p 值, 假设检验

## 概述

配对 t 检验计算器是一款专为统计分析设计的在线工具，能够根据同一组对象在不同条件下的前后测量值，或直接输入已计算的配对差值，快速执行配对样本 t 检验。该工具自动计算 t 统计量、p 值和自由度，并根据设定的显著性水平判断是否拒绝原假设，适用于医学研究、教育评估和产品测试等领域的数据对比分析。

## 输入项

- **前测数据** (textarea): Enter before values
- **后测数据** (textarea): Enter after values
- **差值数据（可选）** (textarea): Optional direct differences, e.g. after - before
- **假设平均差** (number)
- **备择假设** (select)
- **显著性水平** (number)
- **小数位数** (number)

## 适用场景

- 需要评估某种干预措施（如新药治疗、培训课程）对同一组受试者产生的前后效果差异时。
- 比较同一组样本在两种不同测试条件或不同测量仪器下的结果一致性时。
- 已知配对样本的差值数据，需要快速验证其均值是否显著偏离假设值（通常为 0）时。

## 工作原理

- 在“前测数据”和“后测数据”文本框中分别输入两组对应的数值，或直接在“差值数据”中输入已计算好的差值。
- 根据研究需求，设置假设平均差（默认为 0）、备择假设（双侧、大于或小于）以及显著性水平（如 0.05）。
- 工具将自动计算每对数据的差值，并基于差值分布计算 t 统计量、自由度和 p 值。
- 最终输出结构化的 JSON 结果，明确展示各项统计指标及是否拒绝原假设的结论。

## 使用案例

- 医疗临床试验中，对比患者服用降压药前后的血压数值，评估药物疗效。
- 教育培训评估中，分析学生参加辅导班前后的考试成绩，验证教学方法的有效性。
- 工业制造中，使用两种不同的测量工具对同一批零件进行测量，检验工具之间是否存在系统误差。

## 常见问题

### 前测和后测数据的数量必须一样吗？

是的，配对 t 检验要求两组数据必须一一对应，因此前测和后测的数据点数量必须完全相同。

### 如果我已经计算好了差值，还需要输入前后测数据吗？

不需要。您可以直接将差值填入“差值数据”框中，工具会优先使用差值数据进行计算。

### 什么是备择假设（双侧、大于、小于）？

双侧用于检验前后是否存在显著差异；大于或小于（单侧）用于检验后测数据是否显著高于或低于前测数据。

### 显著性水平（Alpha）通常设置多少？

统计学中最常用的显著性水平是 0.05。如果计算得出的 p 值小于该设定值，则认为差异具有统计学意义。

### 结果中的 rejectNull 代表什么？

rejectNull 为 true 表示拒绝原假设，即前后数据存在显著差异；为 false 则表示没有足够证据证明存在显著差异。

## 相关工具

- [疲劳极限计算器（Goodman / Gerber / Soderberg）](https://elysiatools.com/zh/tools/fatigue-limit-calculator): 平均应力修正下的疲劳安全系数。给定应力幅 σ_a、平均应力 σ_m，以及材料 σ_uts、疲劳极限 σ_-1、屈服 σ_y，输出三种经典判据的安全系数：Modified Goodman（线性保守）、Gerber（抛物线，更贴合延性材料）、Soderberg（用 σ_y，最保守）。取三者最小值为控制值，并判定工作点是否在 Haigh 图 Goodman 线内侧。
- [半衰期计算器](https://elysiatools.com/zh/tools/half-life-calculator): 放射性同位素与药物的指数衰减计算：由半衰期、初始量与时间求剩余量，或反推半衰期、所需时间、稳态蓄积。N(t) = N0·e^(-λt)。
- [误差范围计算器](https://elysiatools.com/zh/tools/margin-of-error-calculator): 根据样本量、置信水平和变异程度，计算均值或比例的误差范围
- [单样本 t 检验计算器](https://elysiatools.com/zh/tools/one-sample-t-test-calculator): 基于原始数据或汇总统计量执行单样本 t 检验，输出 p 值和置信区间
- [标准误计算器](https://elysiatools.com/zh/tools/standard-error-calculator): 根据原始样本值或汇总统计量计算均值标准误
- [T 检验计算器](https://elysiatools.com/zh/tools/t-test-calculator): 基于原始数据执行单样本或双样本 t 检验，并查看 t 统计量、自由度和 p 值
- [双样本 t 检验计算器](https://elysiatools.com/zh/tools/two-sample-t-test-calculator): 基于原始数据或汇总统计量执行独立双样本合并方差 t 检验
- [加权平均计算器](https://elysiatools.com/zh/tools/weighted-average-calculator): 根据数值和对应权重计算加权平均，并显示贡献和归一化权重

## 示例

- [Web Python 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-python): Web Python 图像处理示例，使用 PIL/Pillow 包括读取、保存、缩放和格式转换
- [Android Java 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-java): Android Java 图像处理示例，包括图像读取保存、缩放和格式转换
- [Android Kotlin 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-kotlin): Android Kotlin 图像处理示例，包括图像读取保存、缩放和格式转换
- [Web Rust 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-rust): Web Rust 图像处理示例，包括图像读取保存、缩放和格式转换

## 相关内容

- [A/B 实验设计、样本量与统计功效](https://elysiatools.com/zh/hubs/ab-testing-experiment-design-and-statistical-power): 规划 A/B 实验、估算证据规模、选择合适检验，并在采取行动前复核效果量与不确定性。