独立样本t检验和配对样本区别
统计学问题。相关性和t检验？
统计学问题。相关性和t检验？
可以用spss里的相关分析做一下，看相关系数是多少，我觉得应该相关性比较高，t检验的话用独立样本t检验，分析方法这种问题一般比较多，用哪种其实都可以，关键看哪个是你想要的结果吧。
t检验怎么分析是否有统计学差异？
双总体t检验才是检验两个样本平均数与其各自所代表的总体的差异是否显著。
双总体t检验又分为两种情况，一是独立样本t检验（各实验处理组之间毫无相关存在，即为独立样本），该检验用于检验两组非相关样本被试所获得的数据的差异性；
一是配对样本t检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。
所选择的检查方法必须符合其适用条件。
理论上，即使样本量很小，也可以进行t检验。（例如，如果样本量为10，有些学者认为即使是更小的样本量也可以），只要每组的变量都是正态分布的，两组之间的差方将不会有显著差异。如上所述，数据的正态假设可以通过观察数据的分布或进行正态检验来估计。
方差齐性假设可以用F检验，更有效的是用Levene检验。如果不满足这些条件，可以使用修正后的t检验，或者使用非参数检验代替t检验来比较两组之间的均值。
配对样本T检验跟独立样本T检验有什么差别啊？
因为每一对数据就是一个区组(也称随机化约束)，区组内两数的波动可能存在相关，即配对两数的差值可能比同一样本内数据波动小。
如果把双样本t检验看做方差分析(由于区组的存在，导致没有完全随机化安排试验)，配对t检验的实质是用随机效应的交互作用(处理间×区组间)来估计误差项。此时的交互作用均方和等于处理(主效应因子)的均方和的随机部分。
如果是独立t检验，相当于方差分析模型中删除了区组因子，转到误差项里，MSe通常会大很多。所以2类错误可能会大很多。(注意由于只是在区组内随机化安排实验，所以虽能算出区组的方差，却无法精确检验其显著性。非区组因子仍然可以按普通方差分析处理。)
理论上存在着区组间不完全随机时，交互作用很大，但区组效应很小(不显著)的情况。但通常区组之间是很容易随机化的，这种情况不需要考虑。
如果仅仅想证明改进效果或控制因子是有用的(即筛选因子)，配对t检验是合适的。但由于区组因子的干扰，直观效果可能被掩盖。
在无法判断是否存在配对(即区组)时，通常两种t检验一起做，并比较结果。
当配对t检验显著性明显高于独立双样本t检验时，说明区组效应大，配对t检验更有效。
但两者结果显著性差不多时(注意这里有点主观)，应采用后者。因为后者误差的自由度多一倍，对误差的估计更准。
由于区组因子无法准确检验显著性，所以存在一点主观性，需要根据实际情况灵活处理，必要时，两个结果一起列出。不要把应用统计学当成数学，应用统计学是需要一定灵活性的。