概述：t 检验解决什么问题
t 检验用于比较两组计量资料的均值差异是否具有统计学意义，是生物医学实验中最基础的统计方法。典型场景包括：
- 处理组 vs 对照组的基因表达差异（qPCR 相对定量结果）
- 药物处理前后的酶活力变化
- 两种培养条件下细胞增殖速率比较
GraphPad Prism 区分三种 t 检验：独立样本 t 检验（Unpaired/Two-sample）、配对 t 检验（Paired）和非参数替代方法（Mann-Whitney / Wilcoxon）。选择依据是数据结构和正态性。
数据准备
GraphPad Prism 的数据表类型直接决定可用的统计方法，开始录入前必须选对格式。
| 数据表类型 | 适用场景 | 数据排列 |
|---|---|---|
| Column（列） | 独立样本 t 检验、Mann-Whitney | 每列为一个分组，行为重复 |
| Grouped（分组） | 配对 t 检验、两因素设计 | 行为配对样本，列为处理 |
新建数据表：File → New → New Project → 选 Column 表（独立样本）或 Grouped 表（配对）。
录入要点：
- 每组生物学重复至少 3 个，推荐 ≥ 5
- 技术重复不要作为独立样本录入，先求均值
- 缺失值留空，不要填 0
操作步骤
独立样本 t 检验
- 录入数据后点击工具栏 Analyze 按钮
- 选择 Column analyses → t tests (and nonparametric tests)
- 在 Parameters 对话框中确认：
- Unpaired（独立样本）
- Yes, use parametric test（默认普通 t 检验）
- Assume Gaussian distribution 勾选
- 如怀疑方差不齐，选 Welch’s correction 选项
- OK 生成结果表
配对 t 检验
使用 Grouped 数据表，每行为同一受试者的两次测量：
- Analyze → Grouped analyses → Multiple t tests, 2 groups
- 或在 Column 表中选 Paired t test
- Parameters 中选 Paired 选项
- 输出会自动给出差值均值和置信区间
非参数检验（Mann-Whitney / Wilcoxon）
当数据不满足正态分布时使用：
- Analyze → Column analyses → t tests (and nonparametric tests)
- Parameters 中选 No, use nonparametric test
- 独立样本自动执行 Mann-Whitney，配对自动执行 Wilcoxon
结果解读
核心指标
| 指标 | 含义 | 判定 |
|---|---|---|
| p 值 | 原假设（两组均值相等）成立的概率 | < 0.05 通常认为有统计差异 |
| t 值 | 标准化均值差异 | 绝对值越大差异越显著 |
| df | 自由度，反映样本量 | 越大结果越稳定 |
| 95% CI of difference | 均值差的置信区间 | 不包含 0 即显著 |
结果表关键行
GraphPad 的 Results sheet 中需重点查看：
- Difference between means：均值差值
- 95% confidence interval：置信区间
- P value summary：标星号（* P<0.05，** P<0.01，*** P<0.001）
- P value：实际 p 值
结论示例：“处理组 vs 对照组差异显著（t=3.42，df=8，p=0.009，n=5）“
常见问题
数据不满足正态分布怎么办
先用 Shapiro-Wilk 检验正态性：Analyze → Column analyses → Normality and Lognormality tests。
- p > 0.05 → 接近正态，可用 t 检验
- p < 0.05 → 偏离正态，改用 Mann-Whitney（独立样本）或 Wilcoxon（配对）
样本量较小时正态性检验功效低，建议结合经验判断（数据无明显偏态、无极端离群值即可用参数检验）。
方差不齐如何处理
通过 Brown-Forsythe 或 F test 检验方差齐性。若 p < 0.05，方差不等，应勾选 Welch’s correction 而非使用普通 t 检验。
配对设计错用独立样本 t 检验
配对数据若按独立样本分析会丢失个体内变异信息，统计功效大幅下降。务必根据实验设计选择方法。
注意事项
- 样本量：每组 ≥ 3，但建议 ≥ 5；正式实验做功效分析（GraphPad 内置 Sample Size 计算器）
- 多次比较校正：若涉及多个比较，t 检验结果需用 Bonferroni 等方法校正，或直接使用 ANOVA 配合事后检验
- 双侧 vs 单侧：默认双侧；只有在实验前明确预期方向时才用单侧
- 重复测量：同一受试者多次测量用 repeated measures 或 mixed model，不要简单套用配对 t 检验
- 报告完整信息：论文需报告 t 值、自由度、p 值、样本量、均值 ± SD 或 SEM
总结
选择 t 检验的关键步骤：判断数据结构（独立/配对）→ 检查正态性 → 检查方差齐性 → 选择对应方法。GraphPad Prism 的向导式参数对话框让方法切换变得简单，但统计方法的选择必须在看数据前确定，避免 p-hacking。